[논문 리뷰] Unraveling the Catalytic Effect of Hydrogen Adsorption on Pt Nanoparticle Shape-Change

Cameron J. Owen, Nicholas Marcella외 5명|arXiv (Cornell University)|2023. 06. 01.

Machine Learning in Materials Science인용 수 4

한 줄 요약

이 연구는 처음으로 원자력 기반 기계학습된 분자 동역학와 X선 흡수 분광법을 조합하여 수소 흡착이 2 nm 이하의 백금 나노입자의 형상 변화를 촉매하는 방식을 규명한다. 기존에 알려지지 않은 준이십면체 중간체와 표면 로제트 형성 구조를 규명하였으며, 수소는 전이 온도를 낮추고 구조 재편성을 가속화함으로써 원자 수준에서 작동 중 촉매의 동적 거동을 밝혀낸다.

ABSTRACT

The activity of metal catalysts depends sensitively on dynamic structural changes that occur during operating conditions. The mechanistic understanding underlying such transformations in small Pt nanoparticles (NPs) of $\sim1-5$ nm in diameter, commonly used in hydrogenation reactions, is currently far from complete. In this study, we investigate the structural evolution of Pt NPs in the presence of hydrogen using reactive molecular dynamics (MD) simulations and X-ray spectroscopy measurements. To gain atomistic insights into adsorbate-induced structural transformation phenomena, we employ a combination of MD based on first-principles machine-learned force fields with extended X-ray absorption fine structure (EXAFS) measurements. Simulations and experiments provide complementary information, mutual validation, and interpretation. We obtain atomic-level mechanistic insights into `order-disorder' structural transformations exhibited by highly dispersed heterogeneous Pt catalysts upon exposure to hydrogen. We report the emergence of previously unknown candidate structures in the small Pt NP limit, where exposure to hydrogen leads to the appearance of a `quasi-icosahedral' intermediate symmetry, followed by the formation of `rosettes' on the NP surface. Hydrogen adsorption is found to catalyze these shape transitions by lowering their temperatures and increasing the apparent rates, revealing the dual catalytic and dynamic nature of interaction between nanoparticle and adsorbate. Our study also offers a new pathway for deciphering the reversible evolution of catalyst structure resulting from the chemisorption of reactive species, enabling the determination of active sites and improved interpretation of experimental results with atomic resolution.

연구 동기 및 목표

• 촉매 수소화 조건에서 중요한 조건인 수소 노출 조건에서 2 nm 이하의 백금 나노입자의 동적 구조적 진화를 이해하기 위해.
• 매우 동적이고 이질적인 나노촉매에서 활성 부위 기하구조를 예측하는 데 있어 전통적인 직관 기반 모델의 한계를 극복하기 위해.
• 반응성 기계학습된 힘장과 실험적 EXAFS를 융합하여 편향 없이 원자 해상도의 기구적 통찰을 확보하는 시너지 프레임워크를 구축하기 위해.
• 흡착제 유도 구조 재편성 과정에서 기존에 알려지지 않은 중간 구조와 전이 경로를 규명하기 위해.
• 높은 정확도로 국소 원자 구조를 분광 신호와 연계함으로써 실험적 EXAFS 데이터의 해석을 향상시키기 위해.

제안 방법

• 실험적으로 관련된 시간 및 길이 척도에서 백금 나노입자의 반응성 분자 동역학를 시뮬레이션하기 위해, 밀도함수이론 데이터 기반으로 학습된 처음으로 원자력 기반 기계학습된 힘장(MLFFs)을 사용하였다.
• 깊은 신경망 서rogate 모델을 활용해 반경분포함수(RDFs)에서 EXAFS 스펙트럼을 예측하였으며, 입력은 MLFF 궤적에서 유도되고 출력은 FEFF10 계산 결과와 검증되었다.
• MD 시뮬레이션된 평균 제곱 반경 이격도(MSRD)와 실험적 아이н슈타인 또는 RMC 기반 MSRD 간 선형 회귀를 통한 온도 매칭을 통해 MD 온도를 실험 조건에 맞추었다.
• OVITO와 고유의 파이썬 코드를 사용한 궤적 분석을 통해 Pt-Pt 이중거리 추출, 이를 바탕으로 RDF(0–6 Å, Δr = 0.025 Å) 생성 및 첫 번째 피크의 평균(R)과 분산(MSRD)을 구조적 기저로 삼았다.
• 시뮬레이션된 원자 구조에서 EXAFS 스펙트럼을 계산하고 실험적 EXAFS 데이터와 직접 비교함으로써 시뮬레이션된 구조의 타당성을 검증하고 실험 관측 결과를 해석하였다.
• FLARE를 통한 능동 학습을 활용해 초기 H/Pt 데이터 세트를 나노입자 구조로 확장하여 MLFF의 일반화 능력과 학습 효율성을 향상시켰다.

실험 결과

연구 질문

• RQ1 수소 노출 조건에서 백금 나노입자에서 발생하는 원자 척도의 구조적 전환은 무엇이며, 정적 또는 막대체 행동과 어떻게 다를까?
• RQ2 수소 흡착은 2 nm 이하의 백금 나노입자에서 형상 변화의 열역학적 및 동역학적 특성에 어떻게 영향을 미치는가?
• RQ3 H2 노출 조건에서 백금 나노입자의 질서-무질서 전이 과정에서 나타나는 중간 구조는 무엇이며, 촉매 활성과의 관계는 어떠한가?
• RQ4 기계학습된 힘장과 EXAFS 스펙트럼 예측이 함께 작용할 때, 동적 나노촉매에서 실험 관측 결과를 얼마나 잘 상호 검증하고 해석할 수 있는가?
• RQ5 수소의 구조 재편성에 대한 촉매 효과는 낮아진 전이 온도와 증가한 명백한 반응 속도 측면에서 정량화할 수 있는가?

주요 결과

• 수소 흡착은 작은 백금 나노입자(1–5 nm)에서 이전에 보고되지 않은 '준이십면체' 중간 대칭성을 유도하며, H2 노출 조건에서 형상 진화 과정에서 관찰되었다.
• 수소 흡착은 명백한 전이 온도를 낮추고 형상 변화 속도를 증가시킴으로써 구조 전이를 촉매화함으로써 이중적인 촉매적 및 동적 역할을 한다.
• 수소 나노입자 표면에서 형상 변화 과정 중 표면 '로제트' 구조가 형성되며, 이는 흡착체 상호작용에 의해 유도된 비균일하고 이방성의 재구성 과정을 나타낸다.
• MLFF 기반 MD 시뮬레이션과 EXAFS 스펙트럼 예측의 조합은 상호 검증이 가능하다: 시뮬레이션된 구조는 실험적 EXAFS를 재현하며, 실험 데이터는 시뮬레이션 경로를 제약한다.
• 첫 번째 Pt-Pt 피크(2–3.34 Å)의 평균 제곱 반경 이격도(MSRD)는 구조적 무질서를 추적하는 민감한 지표로 기능하며, MD와 실험적 MSRD 값 간 선형 상관관계를 보였다.
• 신경망 서rogate 모델은 RDF에서 EXAFS를 높은 정확도로 예측하였으며, 심지어 검증되지 않은 309원자 나노입자 구성에서도 시뮬레이션된 스펙트럼과 실험 스펙트럼 간 강한 일치를 보였다.