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

Resumo Técnico: Simulações de Dinâmica Molecular de Desidrogenação em MgH2 Puro e Dopado Impulsionadas por Potencial de Aprendizado de Máquina

Definição do Problema
O hidreto de magnésio (MgH2) é um forte candidato para o armazenamento de hidrogênio no estado sólido devido à sua alta capacidade gravimétrica (7,6 wt%), abundância e baixo custo. No entanto, sua aplicação prática é dificultada pela alta entalpia de desidrogenação (~76 kJ/mol H2) e cinética lenta, causadas principalmente pelas fortes ligações iônicas Mg-H e altas barreiras de energia de ativação para a difusão do hidrogênio. Embora o nanoestruturamento e a dopagem por catalisadores sejam conhecidos por melhorar o desempenho, os mecanismos em escala atômica que regem a desidrogenação mediada pela superfície e o papel específico dos dopantes permanecem difíceis de elucidar apenas através de caracterização experimental. Além disso, os métodos computacionais tradicionais enfrentam um gargalo: a dinâmica molecular (MD) clássica carece da precisão necessária para cenários complexos de quebra de ligação em sistemas multicomponentes, enquanto a MD ab initio (AIMD) é computacionalmente proibitiva para os grandes sistemas e escalas de tempo necessários para observar eventos raros de dessorção.

Metodologia
Para superar essas limitações, os autores empregaram uma abordagem de dinâmica molecular (ML-MD) impulsionada por um potencial de aprendizado de máquina (MLP) universal. Especificamente, utilizaram o 'PreFerred Potential' (PFP), um potencial de rede neural treinado em 59 milhões de estruturas de DFT, que oferece precisão de mecânica quântica com a eficiência de campos de força clássicos.

• Configuração da Simulação: Simulações de MD em larga escala foram conduzidas em sistemas de MgH2 contendo aproximadamente 2.700 átomos durante 50 ps. Quatro orientações de superfície de baixo índice — (110), (100), (101) e (001) — foram investigadas.
• Estratégia de Dopagem: Uma triagem abrangente de 22 elementos distintos foi realizada substituindo átomos de Mg nas camadas superficiais do modelo MgH2(100).
• Condições: As simulações foram executadas a 1000 K para acelerar a cinética para amostragem estatística, com uma execução suplementar a 800 K para capturar detalhes mecanísticos com maior fidelidade. Moléculas de H2 foram removidas ao difundirem-se 30 Å da superfície para manter a baixa pressão parcial.
• Estrutura de Análise:
  • Análise Cinética: A liberação cumulativa de H2 foi quantificada através de diferentes superfícies e dopantes.
  • Análise de Descritores de Aprendizado de Máquina: Um modelo XGBoost acoplado à análise SHAP (SHapley Additive exPlanations) foi utilizado para correlacionar 22 descritores elementares acoplados ao tempo com a cinética de desidrogenação.
  • Validação: Cálculos de primeira ordem de DFT foram realizados para validar as energias de dessorção da formação de H2 subsuperficial. A validação experimental foi conduzida via Análise Térmica Simultânea (STA) e DSC em pós de MgH2 puro e dopado com Ni para medir as energias de ativação.

Principais Contribuições e Resultados

1. Dependência da Orientação da Superfície:
   O estudo identificou a superfície MgH2(100) como a face de baixo índice mais ativa para a liberação de hidrogênio, superando (001), (101) e (110). Esta atividade é atribuída à estrutura aberta da superfície (100) com maiores vazios intersticiais, o que minimiza o impedimento estérico, apesar de a superfície (001) possuir uma energia superficial mais alta.

2. Novo Caminho de Desidrogenação:
   Ao contrário da visão convencional de que os átomos de H difundem-se para a superfície mais externa para se recombinarem, as simulações de ML-MD revelaram um mecanismo de recombinação subsuperficial. Moléculas de H2 formam-se preferencialmente na região subsuperficial (especificamente entre a segunda e a terceira camada atômica de H) antes de difundirem para a superfície para dessorção. Este caminho é termodinamicamente favorecido porque a subsuperfície oferece um equilíbrio de relaxação de rede suficiente para a formação de H2 e alta densidade local de H, evitando as severas penalidades de energia de deformação da formação no bulk e os efeitos de aprisionamento de átomos de superfície subcoordenados.

3. Triagem de Dopantes e o Mecanismo de "Bomba de Hidrogênio":
   Entre os 22 elementos triados, o Níquel (Ni) emergiu como o dopante mais eficaz, exibindo a maior liberação total de hidrogênio e a taxa inicial de dessorção mais rápida.

   • Mecanismo: Os dopantes de Ni atuam como sumidouros termodinâmicos, atraindo átomos de H da matriz bulk para formar um reservatório local. Isso facilita o acoplamento H-H e a subsequente liberação de H2.
   • Evolução Estrutural: A análise da função de distribuição radial (RDF) indica que o Ni forma dinamicamente aglomerados atômicos locais que se assemelham à fase catalítica Mg2NiH4. Esses aglomerados servem como sítios ativos para um efeito de "bomba de hidrogênio", absorvendo e liberando hidrogênio continuamente.

4. Relação Quantitativa Propriedade-Atividade:
   A análise de aprendizado de máquina identificou a densidade eletrônica de Miedema acoplada ao tempo ($n_{ws}^\tau$) como o descritor crítico que governa a atividade catalítica. Estabeleceu-se uma relação em formato de vulcão entre $n_{ws}$ e a liberação total de hidrogênio.

   • Janela Ótima: Foi identificada uma faixa ideal de 4,0 < $n_{ws}$ < 5,4 × 10⁻² e/bohr³.
   • Princípio de Sabatier: Dopantes dentro desta faixa (ex: Ni, Cr, Pd) fornecem o equilíbrio ideal: fortes o suficiente para atrair e concentrar átomos de H, mas fracos o suficiente para permitir a dessorção eficiente de H2. Elementos com $n_{ws}$ muito baixo (ex: La, Zr) falham em atrair H suficientemente, enquanto elementos com $n_{ws}$ muito alto (ex: W) ligam-se fortemente ao H, aprisionando o H2 formado.

5. Corroboração Experimental:
   Medições de DSC em MgH2 dopado com Ni confirmaram as previsões das simulações. A amostra dopada com Ni exibiu uma temperatura de início de dessorção reduzida (349°C vs. 413°C para o MgH2 puro) e menores energias de ativação (101–135 kJ/mol vs. 171 kJ/mol para o MgH2 puro), validando o aumento catalítico previsto pelo framework de ML-MD.

Significância
O artigo afirma que este estudo demonstra a robusta capacidade dos potenciais de aprendizado de máquina universais para navegar em mecanismos catalíticos complexos e estabelecer relações quantitativas propriedade-atividade que eram anteriormente inacessíveis. Ao revelar o mecanismo de nucleação subsuperficial e identificar a densidade eletrônica de Miedema como um descritor universal para o design de catalisadores, o trabalho fornece um framework teórico para o design racional de catalisadores de alto desempenho. As descobertas não apenas explicam o efeito de "bomba de hidrogênio" observado experimentalmente em sistemas dopados com Ni, mas também sugerem que os critérios eletrônicos identificados podem guiar o design de outros materiais de armazenamento de hidrogênio, como LaNi5 e FeTi, ao otimizar suas propriedades eletrônicas agregadas.