加州大学洛杉矶分校Angew. Chem. Int. Ed.: 机器学习驱动探索还原型金红石TiO2的表面重构

本文研究了还原型金红石TiO2表面的重构现象及其对催化性能的影响。背景方面，二氧化钛因其稳定性和可调的电子性质被广泛用作催化剂载体，但其表面重构现象在计算上难以描述。研究目的是通过机器学习原子间势与主动学习工作流程相结合的方法，探索还原型金红石TiO2表面的重构相及其电子性质。研究发现了多种重构相，包括未报道的亚表面剪切平面结构，并通过实验和理论高分辨率透射电子显微镜验证了预测结果。结论表明，极端表面还原显著影响TiO2的结构和电子性质，对催化剂设计具有潜在意义，特别是在逆水煤气变换反应中CO2活化的关键步骤。