小分子的吸附能与反应中间体步骤的能垒有关,并且对反应微动力学产生决定性影响。具有应力的催化剂能够改变吸附能,并且打破催化反应的标度关系,但是由于需要在高维度空间搜索,因此借助DFT理论计算判定如何构建所需要施加的应力通常非常困难。
有鉴于此,麻省理工学院Vivek B. Shenoy等报道通过图形神经网络训练(graph neural network)模型,能够预测催化剂/吸附质体系的吸附能随着表面应力变化的响应情况。
参考文献
Christopher C. Price, Akash Singh, Nathan C. Frey, Vivek B. Shenoy*, Efficient catalyst screening using graph neural networks to predict strain effects on adsorption energy, Science Advances, 2022, 8 (47), eabq5944
DOI: 10.1126/sciadv.abq5944
https://www.science.org/doi/10.1126/sciadv.abq5944