MXenes是一種二維材料，在各個領域都具有巨大的應用潛力。然而，MXenes在潮濕環境中的降解已成為其實際應用的主要障礙。在這里，我們將深度神經網絡和一種主動學習方案相結合，以從頭算的精度和較低的成本開發一種用于水性MXene系統的神經網絡潛能(NNP)。首次在納秒時間尺度上系統地研究了超大MXenes水溶液的氧化行為。MXenes的氧化過程清晰地顯示在原子水平上。游離的質子和氧化物極大地抑制了后續的氧化反應，導致MXenes的氧化程度隨時間呈指數衰減，這與實驗測得的MXenes氧化速率一致。重要的是，這一計算研究代表了對超大尺寸MXene水溶液中氧化反應動力學過程的首次探索。這一重大突破為未來開發控制MXenes穩定性的有效保護策略開辟了一條有希望的途徑。此外，所開發的NNP在添加了新的數據后，可用于復雜MXene水溶液體系的其他應用。
圖1. V
2CO
2-H
2O系統的迭代并發主動學習方案概述。
.png)
圖2. 使用(a) 10H
2O、(b) 20H
2O和(c) 30H
2O的V
2CO
2-H2O系統的AlpMD快照。(d)釩氧化物的局部放大。
圖3. (a) V
2CO
2-H
2O系統中的氧化過程。(b)過渡態結構。(c)相關原子之間鍵長的變化。(d) DFT和AlpMD計算的氧化過渡態能量的比較。
圖4. (a)釩氧化物的數量和(b) 1000 H
2O、2000 H
2O和3000 H
2O系統的(V-O)平均距離與模擬時間的比較。(c)水合氫離子在水中的典型配位環境。(d) OA、OB、OC和OD之間的O0和Ox變化。
圖5. (a)釩氧化物中V原子的位置(深藍色原子)。(b)兩個水分子的氧化釩。(c) (V-O)平均距離和(d)受保護和穩定的釩原子物理吸附水的概率。
相關科研成果由吉林大學物理學院Xing Meng等人于2023年發表在Angewandte Chemie International Edition（DOI:10.1002/anie.202304205）上。原文：Unraveling Oxidation Behaviors of MXenes in Aqueous Systems by Active Learning Potential Molecular Dynamics Simulation。
轉自《石墨烯研究》公眾號
