利用深度学习与X射线散射追踪双金属纳米合金的非平衡生长

《ACS Nano》：Tracking Out-Of-Equilibrium Growth of Bimetallic Nanoalloys Using Deep Learning and X-ray Scattering

　　

实时重构金属纳米颗粒的生长过程一直是长期挑战，尤其对于具有复杂原子空间排布、且结构与性质不同于纯金属颗粒的纳米合金体系。研究人员提出一种方法，将分子动力学（MD）与基于德拜散射方程（DSE）计算的计算机模拟广角X射线散射（WAXS）信号相结合，并引入深度学习回归器，从而建立实验与数据驱动结构解析之间的直接联系。以往主要通过计算方法获取的双金属纳米颗粒尺寸与组分等原子尺度描述符，以及从Janus型到核壳型的元素有序程度，现可以X射线散射测量图谱作为唯一输入信息被提取出来。应用该模型，研究人员重构了在超高真空中通过Co蒸气沉积到Ag晶种上形成的Ag–Co纳米颗粒的生长机制，该过程由掠入射广角X射线散射（GIWAXS）原位实时监测，并发生于强非平衡条件下。分析表明，纳米颗粒结构演化不仅由供给Co的量决定，而是源于动力学控制的演化路径，与理论预测一致。总体而言，所开发框架提供了一种策略，可借助X射线散射数据显著改进纳米合金生长过程的实时解析，而此类数据若用常规拟合方法则难以甚至无法分析。因此，该方法天然兼容随采随析与高通量数据收集策略。

研究背景与动机

双金属纳米颗粒（NPs）因表面效应与物质限域表现出优于单金属组分的性质，在电催化、电子、磁学、光子、储能与生物医学等领域具重要价值。其性质高度依赖于尺寸、形状、组分与元素空间排布（如核壳、Janus、偏芯核壳、准Janus等）。Ag–Co体系因混溶性弱、晶格失配大、内聚能差约34%、原子半径差约19%，热力学上倾向强偏析，但室温超高真空（UHV）气相沉积属强非平衡条件，生长受动力学捕获主导，传统光谱只能间接推断结构，广角X射线总散射（WAXTS）虽可同时提供尺寸、形状、晶体结构、组分与形貌，但原位时间分辨数据量大、信噪比低、Q范围窄，常规拟合耗时且难以自动化。该研究发表于《ACS Nano》，旨在建立一套从原位GIWAXS图谱直接回归原子级描述符的深度学习框架，解决非平衡双金属NP生长实时解析难题。

主要关键技术方法

研究人员构建含140725个Ag–Co团簇的MD原子结构库（2–1500原子，5000 K退火至300 K平衡0.2 ns，紧束缚二阶矩势），用DSE计算对应WAXTS图谱（2θ 5°–55°，λ=0.56 ?），按泊松噪声做物理信息数据增强（SNR 15–115），统一转Q空间、重采样1000点、积分归一化；以1D-CNN回归三个标签——原子数n_at、Co分数χ_Co、核壳指数CS_idx（基于壳/核Ag-Co占比与质心距定义，Janus为负、核壳为正）。训练集80%、测试20%，验证集取训练集10%。实验数据来自SOLEIL同步辐射SIxS束线两批原位GIWAXS：批次一为1.1 ML Ag晶种上沉积5.4 ML Co（~7 h，26帧，Q 2.3–6.8 ?^–1），批次二为2.4 ML Ag晶种（~2.9 nm）上沉积4.8 ML Co（~6 h，28帧）。

研究结果

深度学习工作流与数据治理：研究人员将每张散射谱当作类图像1D向量，经MD→DSE→噪声增强→标准化→1D-CNN四卷积层回归，输出n_at、χ_Co、CS_idx。测试集决定系数R²分别为0.957（n_at）、0.993（χ_Co）、0.942（CS_idx）；CS_idx在≤10原子超小团簇物理意义弱、预测偏差大，~80原子以上相关性良好，证明从受限Q范围低SNR图谱回归原子描述符可行。

生长参数与深度学习模型优化：CS_idx定义兼顾Janus（负）至核壳（正）连续过渡；CNN对χ_Co最敏感（Bragg峰相对强度），对>1000原子尺寸因缺陷致峰宽混淆略有高估，与WAXTS原理一致。

从原位GIWAXS追踪Ag–Co NP生长：批次一显示初始Ag晶种~1.7 nm；Co沉积早期CS_idx –0.3~0.3（准Janus，Co偏附表面），~3 h升至0.8–1.0（χ_Co~0.55，对称核壳），随后Ag不足覆盖Co核CS_idx回落~0.7（准Janus）。CNN预测χ_Co较名义沉积量低~12%，说明非全部Co并入NP，部分Co以孤立原子/小簇留于非晶碳基底（与Co在低迁移率基底的MD结论一致）。n_at略高于GISAXS体积换算值，属WAXTS尺寸-缺陷退卷积固有弱点。

CNN预测与GIWAXS最佳匹配验证：以Clark距离D_Clark在库内检索最相近DSE谱，CNN预测参数对应D_Clark低于文献GISAXS参数对应值，早中期Ag/Co主峰反转段吻合尤佳，后期>4 h因尺寸增大误差略升，整体支持Janus→核壳→准Janus路径。

更大Ag晶种上的生长回溯：批次二初始~2.9 nm（85.5 wt%二十面体），6 h后n_at达1935（~3.7 nm），χ_Co仅达~0.48（名义0.67），CS_idx未到核壳平台，全程偏准Janus，证实晶种尺寸与沉积量共同决定有序度演化；D_Clark随时间改善，早期偏高源于平面基底上小面NP择优取向效应。

讨论与结论翻译

研究人员开发了一种深度学习模型，可基于微观描述符对Ag–Co双金属纳米合金进行准确、全自动定量解析，以实时GIWAXS实验散射数据集为唯一输入追踪NP生长演化。该DL模型训练于MD快照生成的计算机模拟WAXTS谱，铺就AI策略表征非平衡条件NP之路。为捕捉常规晶体学框架无法描述的亚稳构型，研究人员建立跨尺寸/组分/ motif 且富含缺陷的MD原子模型库，由DSE生成广参空间训练1D-CNN回归器，经超参寻优兼顾精度与泛化。应用于Co沉积Ag晶种的原位GIWAXS时，模型成功重构Janus至核壳全路径及其与组分演化关联，与已有计算研究相符；并阐明并非所有沉积Co都并入NP，受限非晶碳基底迁移率使动力学控制改变最终组分，这一从GIWAXS直接提取组分的能力亦反向验证Co低迁移率。该CNN回归器迁移至更大Ag晶种第二批实验同样成立。综上，所建深度学习方法提供一致且具物理意义的洞察，有望作为独立工具从复杂双金属NP的X射线散射中提取结构尺寸描述符，特别适配需快速响应的原位（in situ）与工况（operando）实验，以传统耗拟合难及的时间尺度加速功能纳米材料开发。