[論文レビュー] Cyber Catalysis: N$_2$ Dissociation over Ruthenium Catalyst with Strong Metal-Support Interaction

Gerardo Valadez Huerta, Kaoru Hisama+3 more|arXiv (Cornell University)|Aug 29, 2022

Ammonia Synthesis and Nitrogen Reduction被引用数 4

ひとこと要約

本研究では、機械学習とハイブリッドスクリーニングを組み合わせることで、強い金属-酸化物相互作用（SMSI）を示すRuナノ粒子におけるN₂解離経路をマップする「サイバーカタリシス」を導入した。ユニバーサルニューラルネットワークポテンシャルを用いて、200種の触媒構造に対して15,600回の計算を実施し、650 °Cでの還元条件下で最適な活性が得られることを特定。実験的IRデータと照合することで妥当性を検証し、ヘテログラス触媒研究におけるデジタルトランスフォーメーションへの重要な一歩を示した。

ABSTRACT

Catalysis informatics is constantly developing, and significant advances in data mining, molecular simulation, and automation for computational design and high-throughput experimentation have been achieved. However, efforts to reveal the mechanisms of complex supported nanoparticle catalysts in cyberspace have proven to be unsuccessful thus far. This study fills this gap by exploring N$_2$ dissociation on a supported Ru nanoparticle as an example using a universal neural network potential. We calculated 200 catalyst configurations considering the reduction of the support and strong metal-support interaction (SMSI), eventually performing 15,600 calculations for various N$_2$ adsorption states. After successfully validating our results with experimental IR spectral data, we clarified key N$_2$ dissociation pathways behind the high activity of the SMSI surface and disclosed the maximum activity of catalysts reduced at 650 °C. Our method is well applicable to other complex systems, and we believe it represents a key first step toward the digital transformation of investigations on heterogeneous catalysis.

研究の動機と目的

• 従来の計算手法では、複雑なサポートナノ粒子触媒のサイバースペース内でのシミュレーションに限界があることへの対処。
• 強力な金属-酸化物相互作用（SMSI）を示すヘテログラス系系における触媒機構を探索するスケーラブルでデータ駆動のフレームワークの構築。
• SMSI条件下におけるRuナノ粒子上での主要なN₂解離経路の同定。
• シミュレーション結果と実験的IRスペクトルデータの相関をとることによる妥当性の検証。
• 最大のN₂活性化性能を得るための最適な触媒還元温度の特定。

提案手法

• Ruナノ粒子の電子状態およびサポートとの相互作用をモデル化するために、ユニバーサルニューラルネットワークポテンシャル（ANI-2x）を採用。
• 還元されたサポートおよび強い金属-酸化物相互作用（SMSI）を含む、200種の異なる触媒構造を体系的に生成。
• さまざまなN₂吸着状態を対象に15,600回の個別計算を実施し、ポテンシャルエネルギーサーフェスをマップ。
• シミュレートされた振動周波数を実験的IRスペクトルと照合することで、正確性を確認。
• ハイブリッドスクリーニングを用いて、最も好ましいN₂解離経路を同定。
• 温度依存解析を適用し、最大の触媒活性を得るための最適還元温度（650 °C）を特定。

実験結果

リサーチクエスチョン

• RQ1 強い金属-酸化物相互作用（SMSI）条件下で、Ruナノ粒子上に存在する主要なN₂解離経路は何か？
• RQ2 触媒サポートの還元温度が、N₂活性化エネルギーおよび反応経路にどのように影響を与えるか？
• RQ3 ユニバーサルニューラルネットワークポテンシャルは、複雑なサポートナノ粒子を有するRuの触媒挙動をどれほど正確に予測できるか？
• RQ4 吸着状態のN₂種のシミュレートされた振動周波数は、実験的IRデータとどの程度一致するか？
• RQ5 Ru/SMSI触媒において、N₂解離活性を最大化するための最適還元温度は何か？

主な発見

• 本研究では、SMSI条件下におけるRuナノ粒子上に複数のN₂解離経路を同定したが、最も好ましい経路は、還元されたサポートの酸素バキュオリに隣接するRuサイトでのN₂吸着を含むものであった。
• サポートの還元温度が650 °Cのとき、N₂解離に対する最高の触媒活性が予測され、実験的傾向と一致した。
• N₂吸着状態のシミュレートされたIR周波数は、実験データと強く一致しており、ニューラルネットワークポテンシャルの正確性が裏付けられた。
• 還元されたTiO₂サポートに存在する酸素バキュオリは、N₂吸着を顕著に安定化させ、解離の活性化エネルギーを低下させた。
• 200の構造に対して複雑なポテンシャルエネルギーサーフェスを効果的にマップでき、他のヘテログラス触媒系へのスケーラビリティを示した。
• このフレームワークにより、サイバースペースにおける触媒機構の信頼性の高いハイブリッドスクリーニングが可能となり、デジタル触媒研究への道筋が示された。