Surface-Driven Electron Localization and Defect Heterogeneity in Ceria
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide The exceptional performance of ceria (CeO 2 ) in catalysis and energy conversion is fundamentally governed by its defect chemistry, particularly oxygen vacancies. The formation of each oxygen vacancy (V O •• ) is assumed to be compensated by two localized electrons on cations (Ce 3+ ). Here, we show by combining theory with experiment that while this 1 V O ••: 2Ce 3+ ratio accounts for the global charge compensation, it does not apply at the local scale, particularly in nanoparticles. Hybrid quantum mechanical/molecular mechanical (QM/MM) defect calculations, together with synchrotron X-ray photoelectron spectroscopy (XPS) measurements, show that electrons have a strong preference to localize and segregate on surfaces, which can overcome the trapping force from the V O •• sites in the bulk. At a given Fermi level, the surface V O •• tends to trap more electrons than those in bulk, resulting in a higher Ce 3+ to V O •• ratio on surfaces than that in the bulk, driven by the preferential localization of electrons and enhanced V O •• –Ce 3+ coupling. Large-scale unbiased Monte Carlo simulations on ceria nanoparticles confirmed this trend and further show that the surface segregation of electrons is more pronounced at low reduction levels and in smaller nanoparticles. In highly reduced ceria nanoparticles, however, the enhanced repulsive interactions lead to a less significant extent of defect heterogeneity or even reverse the location preference of defects in some nanoparticles. Our findings underscore the need to consider both the overall nonstoichiometry and local defect behavior in easily reducible oxides, with direct relevance to their performance in catalytic and energy applications.
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 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 | 0,000 |
| 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 | 0,001 |
| 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».