Machine Learning Potential-Driven Molecular Dynamics Simulations of Dehydrogenation in Pristine and Doped MgH$_2$

Resumen Técnico: Simulaciones de Dinámica Molecular Impulsadas por Potenciales de Aprendizaje Automático para la Deshidrogenación en MgH2 Puro y Dopado

Planteamiento del Problema
El hidruro de magnesio (MgH2) es un candidato líder para el almacenamiento de hidrógeno en estado sólido debido a su alta capacidad gravimétrica (7,6 % en peso), abundancia y bajo costo. Sin embargo, su aplicación práctica se ve obstaculizada por una alta entalpía de deshidrogenación (~76 kJ/mol H2) y una cinética lenta, causadas principalmente por los fuertes enlaces iónicos Mg-H y las altas barreras de energía de activación para la difusión del hidrógeno. Aunque la nanoestructuración y el dopaje con catalizadores son métodos conocidos para mejorar el rendimiento, los mecanismos a escala atómica que gobiernan la deshidrogenación mediada por la superficie y el papel específico de los dopantes siguen siendo difíciles de elucidar únicamente mediante la caracterización experimental. Además, los métodos computacionales tradicionales enfrentan un cuello de botella: la dinámica molecular (MD) clásica carece de la precisión necesaria para escenarios complejos de ruptura de enlaces en sistemas multicomponentes, mientras que la MD ab initio (AIMD) es computacionalmente prohibitiva para los sistemas grandes y las escalas de tiempo requeridas para observar eventos de desorción poco frecuentes.

Metodología
Para superar estas limitaciones, los autores emplearon un enfoque de dinámica molecular impulsada por un potencial de aprendizaje automático (MLP) universal. Específicamente, utilizaron el 'PreFerred Potential' (PFP), un potencial de red neuronal entrenado en 59 millones de estructuras de DFT, que ofrece una precisión de mecánica cuántica con la eficiencia de los campos de fuerza clásicos.

• Configuración de la Simulación: Se realizaron simulaciones de MD a gran escala en sistemas de MgH2 que contenían aproximadamente 2.700 átomos durante 50 ps. Se investigaron cuatro orientaciones de superficie de bajo índice: (110), (100), (101) y (001).
• Estrategia de Dopaje: Se realizó un cribado exhaustivo de 22 elementos de dopaje distintos mediante la sustitución de átomos de Mg en las capas superficiales del modelo MgH2(100).
• Condiciones: Las simulaciones se ejecutaron a 1000 K para acelerar la cinética para el muestreo estadístico, con una ejecución suplementaria a 800 K para capturar detalles mecánicos con mayor fidelidad. Las moléculas de H2 se eliminaron al difundirse 30 Å de la superficie para mantener una baja presión parcial.
• Marco de Análisis:
  • Análisis Cinético: La liberación acumulada de H2 se cuantificó a través de diferentes superficies y dopantes.
  • Análisis de Descriptores de Aprendizaje Automático: Se utilizó un modelo XGBoost acoplado con un análisis SHAP (SHapley Additive exPlanations) para correlacionar 22 descriptores elementales acoplados en el tiempo con la cinética de deshidrogenación.
  • Validación: Se realizaron cálculos de primeros principios mediante DFT para validar las energías de desorción de la formación de H2 subsuperficial. La validación experimental se llevó a cabo mediante Análisis Térmico Simultáneo (STA) y DSC en polvos de MgH2 puro y dopado con Ni para medir las energías de activación.

Contribuciones Clave y Resultados

1. Dependencia de la Orientación Superficial:
   El estudio identificó la superficie MgH2(100) como la faceta de bajo índice más activa para la liberación de hidrógeno, superando a (001), (101) y (110). Esta actividad se atribuye a la estructura abierta de la superficie (100) con huecos intersticiales más grandes, lo que minimiza el impedimento estérico, a pesar de que la superficie (001) posee una mayor energía superficial.

2. Nueva Vía de Deshidrogenación:
   Contrario a la visión convencional de que los átomos de H se difunden hacia la superficie más externa para recombinarse, las simulaciones de ML-MD revelaron un mecanismo de recombinación subsuperficial. Las moléculas de H2 se forman preferentemente en la región subsuperficial (específicamente entre la segunda y tercera capa atómica de H) antes de difundirse hacia la superficie para su desorción. Esta vía es termodinámicamente favorecida porque la subsuperficie ofrece un equilibrio entre una relajación de red suficiente para la formación de H2 y una alta densidad local de H, evitando las severas penalizaciones de energía de deformación de la formación en el volumen (bulk) y los efectos de atrapamiento de los átomos superficiales subcoordinados.

3. Cribado de Dopantes y el Mecanismo de "Bomba de Hidrógeno":
   Entre los 22 elementos cribados, el Níquel (Ni) surgió como el dopante más efectivo, exhibiendo la mayor liberación total de hidrógeno y la tasa de desorción inicial más rápida.

   • Mecanismo: Los dopantes de Ni actúan como sumideros termodinámicos, atrayendo átomos de H desde la matriz de volumen para formar un reservorio local. Esto facilita el acoplamiento H-H y la subsiguiente liberación de H2.
   • Evolución Estructural: El análisis de la función de distribución radial (RDF) indica que el Ni forma dinámicamente cúmulos atómicos locales que asemejan la fase catalítica Mg2NiH4. Estos cúmulos actúan como sitios activos para un efecto de "bomba de hidrógeno", absorbiendo y liberando hidrógeno continuamente.

4. Relación Cuantitativa Propiedad-Actividad:
   El análisis de aprendizaje automático identificó la densidad electrónica de Miedema acoplada al tiempo ($n_{ws}^\tau$) como el descriptor crítico que gobierna la actividad catalítica. Se estableció una relación en forma de volcán entre $n_{ws}$ y la liberación total de hidrógeno.

   • Ventana Óptima: Se identificó un rango óptimo de 4,0 < $n_{ws}$ < 5,4 × 10⁻² e/bohr³.
   • Principio de Sabatier: Los dopantes dentro de este rango (por ejemplo, Ni, Cr, Pd) proporcionan el equilibrio ideal: lo suficientemente fuertes para atraer y concentrar los átomos de H, pero lo suficientemente débiles para permitir una desorción eficiente de H2. Los elementos con un $n_{ws}$ demasiado bajo (por ejemplo, La, Zr) no logran atraer el H suficientemente, mientras que aquellos con un $n_{ws}$ demasiado alto (por ejemplo, W) se unen al H con demasiada fuerza, atrapando el H2 formado.

5. Corroboración Experimental:
   Las mediciones de DSC en MgH2 dopado con Ni confirmaron las predicciones de la simulación. La muestra dopada con Ni exhibió una temperatura de inicio de desorción reducida (349 °C frente a 413 °C para MgH2 puro) y energías de activación menores (101–135 kJ/mol frente a 171 kJ/mol para MgH2 puro), validando la mejora catalítica predicha por el marco de ML-MD.

Significado
El artículo afirma que este estudio demuestra la capacidad robusta de los potenciales de aprendizaje automático universales para navegar mecanismos catalíticos complejos y establecer relaciones cuantitativas propiedad-actividad que anteriormente eran inaccesibles. Al revelar el mecanismo de nucleación subsuperficial e identificar la densidad electrónica de Miedema como un descriptor universal para el diseño de catalizadores, el trabajo proporciona un marco teórico para el diseño racional de catalizadores de alto rendimiento. Los hallazgos no solo explican el efecto de "bomba de hidrógeno" observado experimentalmente en sistemas dopados con Ni, sino que también sugieren que los criterios electrónicos identificados pueden guiar el diseño de otras aleaciones de almacenamiento de hidrógeno, como LaNi5 y FeTi, optimizando sus propiedades electrónicas agregadas.