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

기술 요약: $CeO_2(111)$ 산소 공석 구조에서의 다체 상호작용 분리

문제 제기
산소 공석($V_O$)은 세리아($CeO_2$)의 산화-환원 및 촉매 특성에 매우 중요합니다. 그러나 $CeO_2(111)$ 표면에서 이러한 공석의 분포와 안정성을 정확하게 예측하는 것은 방대한 수의 가능한 전자적 구성으로 인해 계산적으로 매우 어렵습니다. 공석 농도가 증가함에 따라 연관된 $Ce^{3+}$ 이온(폴라론)의 수도 늘어나며, 이는 구성의 기하급수적인 증가로 이어집니다. 이러한 구조의 안정성은 $Ce^{3+}$-$Ce^{3+}$, $V_O$-$Ce^{3+}$, 그리고 $V_O$-$V_O$ 반발 및 인력을 포함한 복잡한 다체 상호작용에 달려 있습니다. 전통적인 방법들은 이러한 구성을 효과적으로 샘플링하는 데 어려움을 겪으며, 기존 연구들은 주로 고립된 공석이나 낮은 농도에 집중되어 있어, 표면 및 하부 층(subsurface) 너머의 더 깊은 산소 층에 존재하는 공석의 잠재적 안정성을 간과하는 경우가 많았습니다.

방법론
저자들은 다체 상호작용을 분리하기 위해 제일원리 계산, 머신러닝(ML), 그리고 클러스터 확장(CE)을 결합한 하이브리드 이론 프레임워크를 개발했습니다.

1. 제일원리 계산: $CeO_2(111)$ 슬랩에 대해 스핀 편극 DFT+U 계산(PBE 범함수, $U=5.0$ eV)을 수행했습니다. 연구는 상위 3개의 산소 층과 상위 2개의 양이온 층에 집중했습니다. $Ce^{3+}$ 식별은 국부 자기 모멘트($\sim 1 \mu_B$)와 $Ce$-$O$ 결합 길이를 기준으로 수행되었습니다.
2. 클러스터 확장 모델: 임의의 구성의 형성 에너지를 유효 클러스터 상호작용($J_\alpha$)의 합으로 나타내는 CE 모델을 구축했습니다. 초기 풀(pool)은 8 Å 컷오프 내에서 최대 4개의 지점($V_O$ 또는 $Ce^{3+}$를 나타냄)을 포함하는 3,144개의 클러스터로 구성되었습니다.
3. 머신러닝 (LASSO): LASSO(Least Absolute Shrinkage and Selection Operator) 회귀를 사용하여 최적의 클러스터 부분 집합을 선택함으로써 과적합을 방지하고 가장 유의미한 상호작용 항을 식별했습니다. 훈련 세트는 1000 K에서의 메트로폴리스 몬테카를로(MC) 샘플링을 포함하는 능동 학습 루프를 통해 반복적으로 정제되었습니다.
4. 몬테카를로 샘플링: CE 모델이 수렴되면(예측 오차 임계값 <0.05 eV/$V_O$로 검증됨), 이를 사용하여 $8 \times 8$ 슈퍼셀에서 광범위한 MC 시뮬레이션($10^8$ 단계 이상)을 수행했습니다. 이 시뮬레이션은 다양한 농도($\Theta = 1/16, 1/8, 3/16, 1/4$)와 온도(300 K ~ 1100 K) 범위에서 공석 분포를 탐색했습니다.

주요 기여 및 결과

• 상호작용의 분리: 본 연구는 초기 3,144개 중 15개의 핵심 클러스터를 성공적으로 분리하여 다체 상호작용을 효과적으로 분리해 냈습니다. 모델은 훈련 세트에서 최대 절대 오차(MAE) 0.07 eV/$V_O$, 교차 검증에서 0.08 eV/$V_O$를 달고했습니다.
• 모티프 식별: 안정성을 결정하는 특정 국부 모티프를 밝혀냈습니다:
  • 고립된 공석: 하부 층(subsurface) 공석이 표면 공석보다 약 0.2 eV 더 선호됩니다.
  • 상호작용: 서로 다른 층에 있는 인접한 공석 사이에는 강한 반발력이 존재합니다. 반대로, 하부 층 공석과 제3층 공석이 쌍을 이루는 특정 패턴(모티프 $VO_2VO_3\_5N$)은 강한 인력($-0.16$ eV)을 보입니다.
  • 폴라론 국부화: $Ce^{3+}$ 이온은 일반적으로 표면 사이트를 선호하지만, 다음 인접 이웃(NNN) 공석에 대해 강한 인력을 보입니다.
• 농도 의존적 안정성:
  • 낮은 농도($\Theta \le 1/8$)에서 공석은 주로 하부 층에 존재하며, 이는 기존 문헌과 일치합니다.
  • 높은 농도($\Theta \ge 3/16$)에서는 공석이 제3 산소 층을 채우기 시작합니다. $\Theta = 1/4$에서 가장 안정적인 구성(A2233이라 명명됨)은 하부 층에 2개, 제3층에 2개의 공석이 있는 구조입니다. 이 구조는 이전에 제안된 모든 공석이 하부 층에 있는 $(2 \times 2)$ 정렬 구조보다 0.09 eV 더 안정적입니다.
• 안정성 메커니즘: 고농도에서 제3층 공석의 안정성은 **광범위한 기하학적 완화(geometric relaxation)**에 의해 주도됩니다. 결합 파괴 에너지($E_b$)는 제3층 공석에 불리하게 작용하지만, A2233 구성에서 얻어지는 완화 에너지($E_r$, 반대되는 결합이 없기 때문에 표면 $Ce^{4+}$ 이온이 더 자유롭게 위쪽으로 완화될 수 있음)가 이 페널티를 상쇄합니다. 반면, 모든 공석이 제3층에 있는 구성(A3333)은 지나치게 높은 결합 파괴 에너지로 인해 불안정합니다.
• 온도 효과: MC 시뮬레이션에 따르면, 온도와 농도가 증가함에 따라 표면 층에 비해 제3층에서 공석을 발견할 확률이 높아지지만, 고온에서는 표면 공석이 가끔 나타나기도 합니다.

의의
본 논문은 다체 상호작용을 분리함으로써 금속 산화물의 복잡한 공석 구조를 규명하는 새로운 이론적 프레임워크를 도입했다고 주장합니다. 주요 의의는 환원된 $CeO_2(111)$ 내의 산소 공석이 고농도에서 표면이나 하부 층에 국한되지 않고, 기하학적 완화를 극대화하기 위해 제3 산소 층으로 이동한다는 사실을 발견한 데 있습니다. 이러한 발견은 제3층을 고려하지 않은 기존의 세리아 표면 화학 해석이 재검토될 필요가 있음을 시사합니다. 머신러닝과 클러스터 확장이 결합된 이 접근 방식은 잘 정의된 격자 구조를 가진 다른 금속 산화물을 연구하기 위한 견고한 방법론을 제시하며, 산화-환원 및 촉매 메커니즘을 더욱 정확하게 이해하는 경로를 제공합니다.