Decoupling Many-Body Interactions in CeO2 (111) Oxygen Vacancy Structure: Insights from Machine-Learning and Cluster Expansion

तकनीकी सारांश: $CeO_2 (111)$ ऑक्सीजन रिक्ति संरचना में अनेक-शरीर (Many-Body) अंतःक्रियाओं का विखंडन

समस्या विवरण
ऑक्सीजन रिक्तियां ($V_O$) सेरिया ($CeO_2$) के रेडॉक्स और उत्प्रेरक गुणों के लिए महत्वपूर्ण हैं। हालांकि, $CeO_2(111)$ सतह पर इन रिक्तियों के वितरण और स्थिरता की सटीक भविष्यवाणी करना गणनात्मक रूप से अत्यधिक कठिन है क्योंकि इसमें इलेक्ट्रॉनिक विन्यासों (configurations) की संख्या बहुत अधिक होती है। जैसे-जैसे रिक्तियों की सांद्रता बढ़ती है, संबद्ध $Ce^{3+}$ आयनों (पोलरॉन्स) की संख्या भी बढ़ती है, जिससे विन्यासों में तेजी से वृद्धि होती है। इन संरचनाओं की स्थिरता जटिल अनेक-शरीर अंतःक्रियाओं पर निर्भर करती है, जिसमें $Ce^{3+}$-$Ce^{3+}$, $V_O$-$Ce^{3+}$, और $V_O$-$V_O$ प्रतिकर्षण (repulsion) और आकर्षण शामिल हैं। पारंपरिक विधियां इन विन्यासों को प्रभावी ढंग से नमूना लेने में संघर्ष करती हैं, और पिछले अध्ययन मुख्य रूप से पृथक रिक्तियों या कम सांद्रता पर केंद्रित रहे हैं, जिससे अक्सर गहरी ऑक्सीजन परतों (सब-सरफेस से परे) में रिक्तियों की संभावित स्थिरता की अनदेखी हुई है।

कार्यप्रणाली
लेखकों ने अनेक-शरीर अंतःक्रियाओं को विखंडित करने के लिए प्रथम-सिद्धांत गणनाओं (first-principles calculations), मशीन लर्निंग (ML), और क्लस्टर एक्सपेंशन (CE) को संयोजित करने वाला एक हाइब्रिड सैद्धांतिक ढांचा विकसित किया।

1. प्रथम-सिद्धांत गणनाएँ: $CeO_2(111)$ स्लैब पर स्पिन-पोलराइज्ड DFT+U गणनाएं (PBE फंक्शनल, $U=5.0$ eV) की गईं। अध्ययन शीर्ष तीन ऑक्सीजन परतों और शीर्ष दो धनायन परतों पर केंद्रित था। $Ce^{3+}$ की पहचान स्थानीय चुंबकीय क्षणों ($\sim 1 \mu_B$) और $Ce$-$O$ बंध लंबाई के आधार पर की गई थी।
2. क्लस्टर एक्सपेंशन मॉडल: एक CE मॉडल बनाया गया जो किसी भी विन्यास के निर्माण ऊर्जा को प्रभावी क्लस्टर अंतःक्रियाओं ($J_\alpha$) के योग के रूप में प्रदर्शित करता है। प्रारंभिक पूल में 8 Å कटऑफ के भीतर चार बिंदुओं (जो $V_O$ या $Ce^{3+}$ का प्रतिनिधित्व करते हैं) वाले 3,144 क्लस्टर शामिल थे।
3. मशीन लर्निंग (LASSO): ओवरफिटिंग को रोकने और सबसे महत्वपूर्ण अंतःक्रिया पदों की पहचान करने के लिए 'लीस्ट एब्सोल्यूट श्रिंकेज एंड सिलेक्शन ऑपरेटर' (LASSO) रिग्रेशन का उपयोग किया गया। प्रशिक्षण सेट को 1000 K पर मेट्रोपोलिस मोंटे कार्लो (MC) सैंपलिंग के माध्यम से एक सक्रिय शिक्षण (active learning) लूप का उपयोग करके पुनरावृत्त रूप से परिष्कृत किया गया।
4. मोंटे कार्लो सैंपलिंग: एक बार जब CE मॉडल अभिसरित (converged) हो गया (एक भविष्यवाणी त्रुटि सीमा <0.05 eV/$V_O$ द्वारा मान्य), तो इसका उपयोग $8 \times 8$ सुपरसेल में व्यापक MC सिमुलेशन ($10^8$ से अधिक चरणों में) करने के लिए किया गया। इन सिमुलेशनों ने विभिन्न सांद्रताओं ($\Theta = 1/16, 1/8, 3/16, 1/4$) और तापमानों (300 K से 1100 K) में रिक्ति वितरणों का अन्वेषण किया।

प्रमुख योगदान और परिणाम

• अंतःक्रियाओं का विखंडन: अध्ययन ने सफलतापूर्वक 3,144 में से 15 प्रमुख क्लस्टरों को अलग किया, जिससे अनेक-शरीर अंतःक्रियाओं का प्रभावी ढंग से विखंडन हुआ। मॉडल ने प्रशिक्षण सेट पर अधिकतम पूर्ण त्रुटि (MAE) 0.07 eV/$V_O$ और क्रॉस-वैलिडेशन पर 0.08 eV/$V_O$ प्राप्त की।
• मोटिफ्स (Motifs) की पहचान: विश्लेषण ने स्थिरता को नियंत्रित करने वाले विशिष्ट स्थानीय मोटिफ्स का खुलासा किया:
  • पृथक रिक्तियां: सतह की रिक्तियों की तुलना में सब-सरफेस रिक्तियां $\sim 0.2$ eV अधिक अनुकूल होती हैं।
  • अंतःक्रियाएं: विभिन्न परतों में निकटतम-पड़ोसी (nearest-neighbor) रिक्तियों के बीच प्रबल प्रतिकर्षण होता है। इसके विपरीत, विशिष्ट पैटर्न, जैसे कि एक सब-सरफेस रिक्ति का तीसरी परत की रिक्ति के साथ युग्मन (मोटिफ $VO_2VO_3\_5N$), प्रबल आकर्षण ($-0.16$ eV) प्रदर्शित करता है।
  • पोलरॉन स्थानीयकरण: $Ce^{3+}$ आयन आम तौर पर सतह के स्थलों को पसंद करते हैं लेकिन अगले-निकटतम-पड़ोसी (NNN) रिक्तियों के प्रति गहरा आकर्षण दिखाते हैं।
• सांद्रता-निर्भर स्थिरता:
  • निम्न सांद्रता ($\Theta \le 1/8$) पर, रिक्तियां मुख्य रूप से सब-सरफेस परत में रहती हैं, जो पिछले साहित्य के अनुरूप है।
  • उच्च सांद्रता ($\Theta \ge 3/16$) पर, रिक्तियां तीसरी ऑक्सीजन परत को भी भरना शुरू कर देती हैं। $\Theta = 1/4$ पर सबसे स्थिर विन्यास (जिसे A2233 कहा जाता है) में सब-सरफेस में दो और तीसरी परत में दो रिक्तियां होती हैं। यह संरचना पहले प्रस्तावित सभी-सब-सरफेस $(2 \times 2)$ क्रमबद्ध संरचना की तुलना में 0.09 eV अधिक स्थिर है।
• स्थिरता का तंत्र: उच्च सांद्रता में तीसरी परत की रिक्तियों की स्थिरता व्यापक ज्यामितीय विश्रांति (geometric relaxation) द्वारा संचालित होती है। जबकि बंध-विच्छेद ऊर्जा ($E_b$) तीसरी परत की रिक्तियों को दंडित करती है, A2233 विन्यास में प्राप्त विश्रांति ऊर्जा ($E_r$) (जहाँ सतह के $Ce^{4+}$ आयन विरोधी बंधों की अनुपस्थिति के कारण ऊपर की ओर अधिक स्वतंत्र रूप से विश्राम कर सकते हैं) इस दंड को संतुलित कर देती है। इसके विपरीत, तीसरी परत में सभी रिक्तियों वाले विन्यास (A3333) अत्यधिक उच्च बंध-विच्छेद ऊर्जा के कारण अस्थिर हैं।
• तापमान प्रभाव: MC सिमुलेशन दिखाते हैं कि जैसे-जैसे तापमान और सांद्रता बढ़ती है, सतह की परत की तुलना में तीसरी परत में रिक्तियां पाए जाने की संभावना बढ़ जाती है, हालांकि उच्च तापमान पर सतह की रिक्तियां भी कभी-कभी दिखाई देती हैं।

महत्व
यह शोध दावा करता है कि यह कार्य अनेक-शरीर अंतःक्रियाओं को विखंडित करके धातु ऑक्साइडों में जटिल रिक्ति संरचनाओं को समझने के लिए एक नवीन सैद्धांतिक ढांचे को प्रस्तुत करता है। प्राथमिक महत्व इस खोज में निहित है कि कम किए गए (reduced) $CeO_2(111)$ में ऑक्सीजन रिक्तियां उच्च सांद्रता पर केवल सतह या सब-सरफेस तक ही सीमित नहीं रहतीं, बल्कि ज्यामितीय विश्रांति को अधिकतम करने के लिए तीसरी ऑक्सीजन परत में प्रवास करती हैं। यह खोज संकेत देती है कि सेरिया की सतह रसायन विज्ञान के पिछले व्याख्याओं, जिन्होंने तीसरी परत की अनदेखी की थी, को पुनर्मूल्यांकन की आवश्यकता हो सकती है। मशीन-लर्निंग और क्लस्टर एक्सपेंशन का यह संयुक्त दृष्टिकोण अन्य धातु ऑक्साइडों के अध्ययन के लिए एक सुदृढ़ विधि के रूप में प्रस्तुत किया गया है, जो रेडॉक्स और उत्प्रेरक तंत्रों को अधिक सटीक रूप से समझने का मार्ग प्रशस्त करता है।