Методика лабораторной operando диагностики металлических наночастиц на основе инфракрасной спектроскопии адсорбированных молекул

Методика лабораторной operando диагностики металлических наночастиц на основе инфракрасной спектроскопии адсорбированных молекул


Дата начала работ по гранту: 01.10.2020
Дата окончания работ по гранту: 01.10.2022
Руководитель: Солдатов Александр Владимирович
Ответственный исполнитель: Терещенко Андрей Александрович

Данный проект направлен на разработку лабораторной методики диагностики размера и морфологии металлических наночастиц во время их синтеза. Катализаторы на основе наночастиц металлов на подложках обладают высокой активностью в ряде индустриально-значимых реакций восстановления и окисления, однако их каталитические свойства в значительной степени зависят от материала подложки, дисперсности и формы, а также морфологии поверхности наночастиц. Существующие методики диагностики обладают рядом недостатков, что ограничивает их использование при диагностике нанокатализаторов непосредственно во время их синтеза. В частности, известные рентгеновские методики требуют использования масштабных и дорогостоящих синхротронных источников. Большинство методов вообще может быть успешно применено только для уже выросших наночастиц. Таким образом, существует обширное поле для исследований и разработки подходов для лабораторной in situ диагностики металлических нанокатализаторов на подложках и мониторинга кинетики роста наночастиц. Для достижения поставленной цели будет использована инфракрасная спектроскопия адсорбированных зондирующих молекул. С помощью компьютерного DFT-моделирования будет составлена база данных теоретических инфракрасных спектров зондирующих молекул, адсорбированных на наночастицы разного состава, размера и формы, проведено сравнение их с экспериментальными спектрами как коммерческих частиц известных форм и размеров, так и выращенных самостоятельно в нашей лаборатории. Для оценки кинетики роста наночастиц с использованием методов машинного обучения, будет разработан алгоритм, позволяющий определять их размеры и морфологию по спектрам, измеренным во время их роста.

На первом году реализации проекта проведено исследование применимости методов машинного обучения для задачи аппроксимации энергии связи адсорбатов моноксида углерода на поверхности наночастицы палладия.  Тренировка алгоритмов машинного обучения осуществлялась с использованием выборки из структур, представляющих собой модели адсорбции СО на разных участках нанокластера с варьируемым расстоянием до поверхности. Расчет энергии структур осуществлялся методами теории функционала плотности. Используя функции радиального распределения и их участки в качестве дескрипторов, была проверена эффективность различных алгоритмов машинного обучения таких как градиентный бустинг, гребневая регрессия, экстремально рандомизированные деревья и метод опорных векторов. На основании трех различных метрик установлено, что погрешность определения энергии аппроксимации была наименьшей при использовании метода опорных векторов, и составило 0.093 эВ. Проведено сравнение эффективности использования различных отдельных участков функции распределения в качестве дескрипторов. Установлено, что для корректной аппроксимации энергии наиболее критичен учет участка функции радиального распределения от 1.5 до 2.5 Å.
Развитие этого подхода, по мнению авторов, в дальнейшем может привести к быстрому и точному предсказанию не только энергий связи, но и частот и интенсивностей колебаний атомов, что, в свою очередь, позволит создать однозначную автоматизированной методику извлечения информации о поверхности наночастиц из инфракрасных спектров адсорбированных молекул.
Проведен синтез и исследование гетерогенного катализатора, представляющего собой металлорганическую каркасную структуру (МОК) UiO-66, модифицированную путем замены линкеров амино-содержащими модуляторами и функционализированную наночастицами палладия.  Процесс формирования и роста наночастиц в порах МОК UiO-66 из молекул прекурсора был изучен с помощью инфракрасных спектров, измеренных на разных этапах роста наночастиц, в ходе адсорбции зондирующих молекул СО, добавленных в смесь.


Публикации по направлению


Всего отобрано 1 публикаций с суммарным значением Impact-factor = 0

1. А.А. Терещенко, Д.М. Пашков, А.А. Гуда, С.А. Гуда, Ю.В. Русалев, А.В. Солдатов "Применение методов машинного обучения для аппроксимации энергии взаимодействия молекул CO с поверхностью наночастиц Pd" Поверхность. Рентгеновские, синхротронные и нейронные исследования 2022 (10) 1-9 DOI: 10.31857/S1028096022100144