单原子催化剂（SAC）可以最大程度地减少贵金属利用率，并可以改变负载金属纳米颗粒的活性和选择性。但是，由于实验的挑战，包括单个原子和几个原子的亚纳米簇在内的活性中心的形态仍然难以捉摸。描述众多簇形状和大小的计算成本使得直接进行第一原理计算不切实际。
有鉴于此，特拉华大学的Dionisios G. Vlachos和埃因霍芬理工大学 Emiel J. M. Hensen教授等人，提出了一个计算框架，以实现单原子和亚纳米簇催化剂的结构确定。
本文要点
1）以CeO2(111)为例，研究了负载在CeO2（111）上的Pdn (n = 1-21) 团簇的低能结构，它们是汽车三效催化剂的关键成分。通过对密度泛函理论数据的训练，利用统计学习建立了一个三维的聚类展开，用以描述任何结构的Pdn聚类的哈密顿量和预测其能量。
2）在300 K的正则系综中，使用基于Metropolis Monte Carlo的遗传算法确定了低能量的稳定和亚稳态结构。观察到受支撑的单原子烧结形成双层团簇，并且大的团簇异构体在形状和能量上都具有相似性。
3）研究结果说明了载体结构和微观结构对团簇稳定性的影响。发现了一个简单的替代结构-能量模型，其中每个原子的能量与平均第一配位数的平方根成比例，可以用来估计能量和比较团簇的稳定性。
总之，该工作提出的模型适用于任何金属/载体系统，填补了一个重要的方法学空白，可预测亚纳米范围内负载型金属催化剂的稳定性。
参考文献：
Yifan Wang et al. Finite-Temperature Structures of Supported Subnanometer Catalysts Inferred via Statistical Learning and Genetic Algorithm-Based Optimization. ACS Nano, 2020.
DOI: 10.1021/acsnano.0c06472
https://doi.org/10.1021/acsnano.0c06472
