論文の概要: Breaking scaling relations with inverse catalysts: a machine learning exploration of trends in $\mathrm{CO_2}$ hydrogenation energy barriers
- arxiv url: http://arxiv.org/abs/2504.16493v1
- Date: Wed, 23 Apr 2025 08:12:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:53.043098
- Title: Breaking scaling relations with inverse catalysts: a machine learning exploration of trends in $\mathrm{CO_2}$ hydrogenation energy barriers
- Title（参考訳）: 逆触媒とのスケーリング関係を破る--$\mathrm{CO_2}=水素化エネルギー障壁のトレンドの機械学習による探索
- Authors: Luuk H. E. Kempen, Marius Juul Nielsen, Mie Andersen,
- Abstract要約: 逆触媒における基本反応過程の遷移状態を調べるためのワークフローを提案する。
我々は、Cu(111)上に担持した酸化インジウムナノクラスター上における必須前駆体中間体とその生成に焦点をあてる。
得られた遷移状態ジオメトリーの集合の解析により、ナノクラスターの端や内部における異なる構造-活性の傾向が明らかになった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The conversion of $\mathrm{CO_2}$ into useful products such as methanol is a key strategy for abating climate change and our dependence on fossil fuels. Developing new catalysts for this process is costly and time-consuming and can thus benefit from computational exploration of possible active sites. However, this is complicated by the complexity of the materials and reaction networks. Here, we present a workflow for exploring transition states of elementary reaction steps at inverse catalysts, which is based on the training of a neural network-based machine learning interatomic potential. We focus on the crucial formate intermediate and its formation over nanoclusters of indium oxide supported on Cu(111). The speedup compared to an approach purely based on density functional theory allows us to probe a wide variety of active sites found at nanoclusters of different sizes and stoichiometries. Analysis of the obtained set of transition state geometries reveals different structure--activity trends at the edge or interior of the nanoclusters. Furthermore, the identified geometries allow for the breaking of linear scaling relations, which could be a key underlying reason for the excellent catalytic performance of inverse catalysts observed in experiments.
- Abstract（参考訳）: メタノールのような有用な製品に$\mathrm{CO_2}$を変換することは、気候変動と化石燃料への依存を緩和するための重要な戦略である。
このプロセスのための新しい触媒の開発には費用がかかり、時間を要するため、活性部位の計算的な探索の恩恵を受けることができる。
しかし、これは材料と反応ネットワークの複雑さによって複雑である。
本稿では、ニューラルネットワークに基づく機械学習の原子間ポテンシャルのトレーニングに基づいて、逆触媒における基本反応ステップの遷移状態の探索を行うワークフローを提案する。
本研究は,Cu(111)上に担持された酸化インジウムナノクラスター上において,必須の長鎖中間体と生成物に焦点をあてる。
密度汎関数理論に基づくアプローチと比較してのスピードアップにより、異なる大きさのナノクラスターやストーチオメトリーで見られる様々な活性部位を探索することができる。
得られた遷移状態ジオメトリーの集合の解析により、ナノクラスターの端や内部における異なる構造-活性の傾向が明らかになった。
さらに、同定されたジオメトリは線形スケーリング関係の破れを許容し、これは実験で観察された逆触媒の優れた触媒性能の鍵となる理由である可能性がある。
関連論文リスト
- Transferable Learning of Reaction Pathways from Geometric Priors [1.3170830344441016]
MEPINは、反応物や製品からMEPを効率的に予測するスケーラブルな機械学習手法である。
本手法は,反応経路の効率的なデータ駆動予測による大規模化学反応空間の探索を可能にする。
論文 参考訳（メタデータ） (2025-04-21T18:20:53Z) - Electron-Electron Interactions in Device Simulation via Non-equilibrium Green's Functions and the GW Approximation [71.63026504030766]
電子-電子(e-e)相互作用は、量子輸送シミュレーションに明示的に組み込まれなければならない。
この研究は、非平衡条件下でのナノデバイスの大規模原子論的量子輸送シミュレーションを報告した最初のものである。
論文 参考訳（メタデータ） (2024-12-17T15:05:33Z) - Leveraging Data Mining, Active Learning, and Domain Adaptation in a Multi-Stage, Machine Learning-Driven Approach for the Efficient Discovery of Advanced Acidic Oxygen Evolution Electrocatalysts [10.839705761909709]
本研究では, 複雑な多金属触媒の発見と最適化を効率化する, 新たな多段階機械学習手法を提案する。
本手法は,材料発見プロセスを通じて,データマイニング,アクティブラーニング,ドメイン適応を統合している。
論文 参考訳（メタデータ） (2024-07-05T22:14:55Z) - Platinum-based Catalysts for Oxygen Reduction Reaction simulated with a Quantum Computer [2.8866494528688555]
水素は有望なエネルギー源として現れ、低炭素で持続可能な移動を可能にする鍵を握っている。
ここでは、古典的および量子的な計算手法を組み合わせて、純白金および白金/コバルト表面上のORRを調べる先駆的な研究を提案する。
その結果、コバルト含有触媒に強く相関する種が関与していることが明らかとなり、将来の応用における量子優位性を示すための理想的な候補としての可能性が示唆された。
論文 参考訳（メタデータ） (2023-07-28T21:49:00Z) - Neural-network quantum states for ultra-cold Fermi gases [49.725105678823915]
この研究は、メッセージパッシングアーキテクチャに基づいたバックフロー変換を含む、新しいPfaffian-Jastrowニューラルネットワーク量子状態を導入する。
逆スピン対分布関数による強いペアリング相関の出現を観察する。
この結果から, ニューラルネットワーク量子状態は, 超低温フェルミガスの研究に有望な戦略をもたらすことが示唆された。
論文 参考訳（メタデータ） (2023-05-15T17:46:09Z) - Multi-level Protocol for Mechanistic Reaction Studies Using Semi-local
Fitted Potential Energy Surfaces [0.0]
本稿では化学反応機構の定期的な理論的研究のためのマルチスケールプロトコルを提案する。
この手法の性能の重要な側面は、そのマルチスケールな性質であり、これは計算労力を節約するだけでなく、意味のある情報を抽出することを可能にする。
論文 参考訳（メタデータ） (2023-04-03T12:55:29Z) - Multi-Task Mixture Density Graph Neural Networks for Predicting Cu-based
Single-Atom Alloy Catalysts for CO2 Reduction Reaction [61.9212585617803]
グラフニューラルネットワーク(GNN)は、材料科学者からますます注目を集めている。
本研究では,DimeNet++と混合密度ネットワークに基づくマルチタスク(MT)アーキテクチャを構築し,その性能向上を図る。
論文 参考訳（メタデータ） (2022-09-15T13:52:15Z) - Tuning long-range fermion-mediated interactions in cold-atom quantum
simulators [68.8204255655161]
コールド原子量子シミュレータにおける工学的な長距離相互作用は、エキゾチックな量子多体挙動を引き起こす。
そこで本研究では,現在実験プラットフォームで利用可能ないくつかのチューニングノブを提案する。
論文 参考訳（メタデータ） (2022-03-31T13:32:12Z) - Machine learning models predict calculation outcomes with the
transferability necessary for computational catalysis [0.4063872661554894]
仮想高スループットスクリーニング(VHTS)と機械学習(ML)は単一部位遷移金属触媒の設計を大幅に加速させた。
本研究では, 触媒設計において, 形状最適化をリアルタイムで監視する畳み込みニューラルネットワークは, 優れた性能と伝達性を利用することができることを示す。
我々は、この優れたモデル転送可能性について、密度汎関数理論計算から生成されたオンザフライ電子構造と幾何情報を用いて合理化する。
論文 参考訳（メタデータ） (2022-03-02T18:02:12Z) - Relativistic aspects of orbital and magnetic anisotropies in the
chemical bonding and structure of lanthanide molecules [60.17174832243075]
本研究では, 重同族ランタノイドEr2およびTm2分子の電子的およびロ-振動状態について, 最先端相対論的手法を適用して検討した。
我々は、91のEr2と36のTm2電子ポテンシャルを2つの基底状態原子に解離させることで、信頼できるスピン軌道と相関による分裂を得ることができた。
論文 参考訳（メタデータ） (2021-07-06T15:34:00Z) - Chemical tuning of spin clock transitions in molecular monomers based on
nuclear spin-free Ni(II) [52.259804540075514]
単核ニッケル錯体の電子スピン準位が最も低い2つの電子準位の間に、大きさの大きい量子トンネル分割が存在することを報告する。
このギャップに関連するレベルの反交差(磁気時計遷移)は、熱容量実験によって直接監視されている。
これらの結果と、対称性によってトンネルが禁止されているCo誘導体との比較は、クロック遷移が分子間スピン-スピン相互作用を効果的に抑制することを示している。
論文 参考訳（メタデータ） (2021-03-04T13:31:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。