第一作者:Zihao Ye, Bo Shen, Dohun Kang通訊作者:Christopher M. Wolverton, Chad A. Mirkin通訊單位:美國西北大學
查德·米爾金(Chad A.Mirkin),中國科學院外籍院士,美國國家工程院院士,美國國家科學院院士,美國國家醫學院院士,美國藝術與科學院院士,美國國家發明家科學院院士,美國醫學與生物工程院院士,美國西北大學終身教授,納米技術國際研究所所長。1989年獲得美國賓夕法尼亞州立大學物理化學專業博士學位;2009年當選為美國國家工程院院士;2010年當選為美國國家科學院院士和美國國家醫學院院士;2011年當選為美國藝術與科學院院士;2013年當選為美國國家發明家科學院院士;2015年當選為美國醫學與生物工程院院士;2017年當選為中國科學院外籍院士。主要從事納米科學與技術、生物醫學工程等領域的研究。(信息來源:https://baike.baidu.com/item/%E6%9F%A5%E5%BE%B7%C2%B7%E7%B1%B3%E5%B0%94%E9%87%91/17656814?fr=ge_ala)Wolverton教授,計算材料領域國際著名科學家,發表SCI期刊230余篇(包括Science、Nature、Nature子刊等頂級期刊),文章總引用次數達14000余。在計算材料設計、能源材料等前沿研究領域作出了杰出貢獻。(信息來源:http://www.iet.cas.cn/news/zh/202109/t20210918_6207320.html)?論文速覽高指數晶面的納米材料因其理想性質而備受關注,但其合成過程往往充滿挑戰。通過在納米粒子表面引入客體金屬或類金屬原子可以影響高指數晶面,調整表面能量實現對納米粒子形狀的控制。本研究提出了數據驅動的方法,通過結合高通量密度泛函理論(HT-DFT)計算和機器學習技術,來指導和調控納米粒子中高指數晶面的暴露。研究中使用了9種過渡金屬和13個客體原子,通過HT-DFT計算評估了低指數和高指數晶面的表面能量,并利用機器學習技術理解導致能量上受青睞的高指數晶面形成的關鍵特征。該方法的預測結果通過化學合成得到了驗證,證明了此方法在加速合成具有{210}晶面暴露的四六面體(tetrahexahedron, THH)材料方面的有效性。圖文導讀圖1:HT-DFT計算117個主客體系統的表面能。圖2:特征重要性分析和THH形狀偏好預測的機器學習模型。圖3:HT-DFT指導化學合成的THH形狀納米粒子的掃描電鏡(SEM)圖像。圖4:通過表面銻修飾合成的THH形狀銅納米粒子。圖5:THH形狀多金屬納米粒子的SEM圖像和EDS圖譜。總結展望本研究的亮點在于開發了一種結合了HT-DFT和機器學習的數據驅動方法,該方法能夠加速發現和合成具有高指數晶面的納米粒子,并理解影響其形成的底層關鍵特征。此方法克服了依賴化學直覺探索廣闊參數空間的傳統材料發現過程的局限性。研究結果不僅通過先前實驗得到了驗證,還為識別新材料提供了預測。依據模型指導,研究團隊合成了具有{210}晶面的THH形狀納米粒子,包括銅、銀和金。此外,研究還識別了影響晶面能量的主要特征,即大小和門捷列夫數偏差。從最重要的特征派生出的概率圖為合成包含多達五種金屬的多金屬THH形狀納米粒子提供了指導,將材料發現的范圍從單金屬宿主擴展到了多金屬結構。盡管目前的研究重點是具有{210}晶面的THH形狀納米粒子,但該方法也可以用來評估其他高指數晶面的表面能量,為發現具有其他類型高指數晶面的納米粒子提供了可能性。總體而言,本工作不僅推進了對納米粒子中暴露晶面調控的基本原理的理解,也加速了材料發現的過程,在催化和光子學領域具有重要的應用前景。文獻信息標題:A data-driven approach for the guided regulation of exposed facets in nanoparticles期刊:Nature SynthesisDOI:10.1038/s44160-024-00561-1