Comprehensive Study of Oxygen Vacancies on the Catalytic Performance of ZnO for CO/H<sub>2</sub> Activation Using Machine Learning-Accelerated First-Principles Simulations
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Oxygen vacancies (OVs) play important roles on any oxide catalysts. In this work, using an investigation of the OV effects on ZnO(101̅0) for CO and H 2 activation as an example, we demonstrate, via machine learning potentials (MLPs), genetic algorithm (GA)-based global optimization, and density functional theory (DFT) validations, that the ZnO(101̅0) surface with 0.33 ML OVs is the most likely surface configuration under experimental conditions (673 K and 2.5 MPa syngas (H 2:CO = 1.5)). It is found that a surface reconstruction from the wurtzite structure to a body-centered-tetragonal one would occur in the presence of OVs. We show that the OVs create a Zn 3 cluster site, allowing H 2 homolysis and C–O bond cleavage to occur. Furthermore, the activity of intrinsic sites (Zn 3c and O 3c sites) is almost invariable, while the activity of the generated OV sites is strongly dependent on the concentration of the OVs. It is also found that OV distributions on the surface can considerably affect the reactions; the barrier of C–O bond dissociation is significantly reduced when the OVs are aligned along the [12̅10] direction. These findings may be general in the systems with metal oxides in heterogeneous catalysis and may have significant impacts on the field of catalyst design by regulating the concentration and distribution of the OVs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».