O conhecimento das propriedades estruturais e termodinâmicas de nanopartículas é crucial para projetar catalisadores ótimos com atividade e estabilidade aprimoradas. Neste trabalho, apresentamos um fluxo de trabalho semi-automatizado para parametrizar a expansão de aglomerados atômicos (ACE) a partir de dados ab initio. As principais etapas do fluxo são a geração de dados de treinamento a partir de cálculos precisos da estrutura eletrônica, um procedimento eficiente de ajuste suportado por aprendizado ativo e indicação de incerteza, e uma validação rigorosa. Aplicamos o fluxo à simulação de nanopartículas binárias Pt–Rh importantes para aplicações catalíticas. Demonstramos que o ACE Pt–Rh consegue reproduzir com precisão uma ampla gama de propriedades fundamentais dos metais elementares, bem como de seus compostos, mantendo uma eficiência computacional notável. Isso possibilita uma comparação direta das simulações atomísticas com experimentos de alta resolução.
Building similarity graph...
Analyzing shared references across papers
Loading...
Yanyan Liang
Matous Mrovec
Yury Lysogorskiy
Building similarity graph...
Analyzing shared references across papers
Loading...
Liang et al. (Tue,) estudaram esta questão.