由于贵金属具有优异的催化活性和非常高的原子利用效率，因此纳米贵金属催化剂广泛应用于现代化学工业制备化学品的过程。催化剂的表面结构显著影响反应的吸附物，并且在实验条件下产生动态的变化，研究纳米催化剂表面动态变化情况对于研究催化剂的结构-性质关系而言是个巨大的挑战。

有鉴于此，厦门大学程俊教授等报道通过机器学习进行加速分子动力学和能量计算技术，研究纳米簇表面的异常熵效应对催化反应的影响。

本文要点

（1）

发现表面原子的预熔化现象能够导致纳米团簇催化剂的催化活性随着温度变化产生非线性的改变。由于这种作用，分别在外壳和内核熔化的温度产生两个显著改变的催化活性。

（2）

此外，研究表面点缺陷（空位、吸附原子）对纳米簇催化剂的影响，结果发现表面缺陷能够显著降低表面的熔化温度，因此能够在更加温和的条件进行催化反应。这些研究发现不仅有助于理解纳米团簇催化剂的动态变化，而且有助于理解点缺陷在催化反应中起到的作用。

参考文献

Fu-Qiang Gong, Yun-Pei Liu, Ye Wang, Weinan E, Zhong-Qun Tian, Jun Cheng, Machine Learning Molecular Dynamics Shows Anomalous Entropic Effect on Catalysis via Surface Pre‐melting of Nanoclusters, Angew. Chem. Int. Ed. 2024

DOI: 10.1002/anie.202405379

https://onlinelibrary.wiley.com/doi/full/10.1002/anie.202405379