Single-Atom Adsorption on h-BN along the Periodic Table of Elements: From Pristine Surface to Vacancy-Engineered Sites

技术摘要：沿周期表单原子在 h-BN 上的吸附研究

问题陈述
六方氮化硼（h-BN）是一种稳固的宽带隙绝缘体，具有高热稳定性和化学稳定性，使其在电介质基底和保护涂层领域具有重要价值。然而，其固有的化学惰性限制了其在催化、传感和化学功能化方面的应用，而在这些领域中，需要与吸附物产生强相互作用。虽然缺陷工程（例如通过制造空位）已被已知可以激活 h-BN，但现有文献仍显碎片化。以往的研究通常侧重于特定的化学族（例如主族元素或特定的过渡金属）或单一类型的空位，缺乏一个统一、系统的比较框架，无法同时解决硼（$V_B$）和氮（$V_N$）空位在一致理论框架下的问题。本研究旨在填补这一空白，提供涵盖周期表前三行以及选定过渡金属和铜族金属的单原子吸附趋势的全面数据集，并针对原始及缺陷化 h-BN 表面进行研究。

方法论
作者采用了使用维也纳从头算模拟软件包（VASP）的密度泛函理论（DFT）计算。研究使用了 4×4 的单层 h-BN 超胞（32 个原子），并设置了 20 Å 的真空层以防止层间相互作用。计算采用了带有投影缀加平面波（PAW）方法的 Perdew-Burke-Ernzerhof (PBE) 广义梯度近似 (GGA)。色散相互作用通过 DFT-D3 校正进行了处理。

研究系统地模拟了以下元素的吸附：

• 周期表第 1–3 行的所有元素。
• 选定的过渡金属（Ni, Ru, Rh, Pd, Ir, Pt）。
• 铜族金属（Cu, Ag, Au）。
• 碱金属和碱土金属（K, Ca）。

吸附是在三种不同的表面构型上进行的模拟：原始 h-BN、硼空位（$V_B$）和氮空位（$V_N$）。结合能（$E_b$）是相对于孤立原子和洁净层进行计算的。研究进一步分析了电荷转移（通过 Bader 算法）、总磁化强度、带隙和态密度（DOS），以表征吸附带来的电子和磁性后果。

关键结果

• 原始 h- BN： 在无缺陷表面上的吸附通常较弱，由色散力主导。可测量的化学吸附仅限于高电负性原子（C, O, F）和某些过渡金属。结合能很少超过 −1.0 eV。电子结构在很大程度上保持惰性，仅对于强结合物表现出轻微的带隙扰动。
• 硼空位（$V_B$）： 引入 $V_B$ 使 h-BN 转变为高度反应性的位点。围绕空位的三个欠配位氮原子作为强电子供体，稳定了电正性和金属类物种。
  • 结合强度： 与原始表面相比，吸附能增加了一到两个数量级。对于许多元素（如 Li, Be, B, C, Ni, Ru），结合能超过了该元素的内聚能（$|E_b| > E_{coh}$），表明孤立原子在热力学上比聚集态更具优势。
  • 选择性： $V_B$ 强烈稳定 s-区金属、过渡金属和轻 p-区元素。它通常会诱导金属或近金属的电子状态（消失的带隙），并通过强杂化猝灭磁矩。
• 氮空位（$V_N$）： 由三个欠配位硼原子包围的 $V_N$ 位点表现出互补的选择性。
  • 结合强度： 虽然仍显著强于在原始 h-BN 上的吸附，但 $V_N$ 处的结合能通常弱于 $V_B$。
  • 选择性： 该位点优先稳定电负性和共价键合物种（C, N, O, F）。与 $V_B$ 相比，它对碱/碱土金属和铜族金属的相互作用效果较差。
  • 电子结构： $V_N$ 处的吸附通常产生有限的带隙和局域中隙态，比 $V_B$ 更频繁地保留半导体特性。
• 周期性趋势： 一个明显的趋势是，由于原子半径增大和轨道重叠减少，吸附强度通常随组别向下降低。研究建立了吸附能与内聚能（$|E_b|/E_{coh}$）之间的标度关系。该比值大于 1 预示了孤立吸附原子相对于聚集态的热力学稳定性，这一条件在过渡金属和轻 p-区元素于 $V_B$ 处的情况中经常得到满足。

意义与主张
本文声称提供了首个关于周期表中单原子在 h-BN 上吸附的统一且系统的描述，弥补了此前研究碎片化的不足。主要贡献如下：

1. 缺陷工程作为一种可调控策略： 本工作证明了空位类型（$V_B$ 与 $V_N$）可作为一种“化学可编程”的开关。$V_B$ 被确定为涉及过渡金属的单原子催化剂（SACs）的有效锚定中心，而 $V_N$ 则为选择性功能化电负性物种提供了一条路径，且不会引起广泛的金属导电性。
2. 热力学稳定性描述符： 通过将吸附能与内聚能进行比较，作者提出了一个简单的预测性描述符（$|E_b|/E_{coh}$），用以区分物理吸附、强化学吸附和取代稳定性之间的不同机制。这使得能够对倾向于形成稳定的单原子掺杂物而非易于聚集的元素进行理性筛选。
3. 应用基础： 研究结果为通过 $V_B$ 稳定的金属进行催化、通过 $V_N$ 稳定的电负性吸附物进行传感以及电子学应用提供了定量依据。这些数据也可作为训练机器学习势函数以实现快速材料发现的基准。

作者保持了谦逊的态度，指出虽然本研究建立了理性设计的定量基础，但具体的催化反应或传感器件性能仍需在超出本研究范围的后续调查中进一步研究。