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
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle