报告题目：分子-表面能量转移动力学新机制

报告人：蒋彬（中国科学技术大学）

报告时间：2020年11月28日上午10:00-12:00

报告地点：红宝石hbs0022平台实验中心南楼301会议室

邀请单位：光催化研究所

报告摘要：气固界面的化学反应是多相催化、晶体生长、金属腐蚀等表界面物理化学过程中重要的基元步骤，伴随着不同自由度之间的能量转换。因此，理解分子在固体表面的内部能量重新分布以及分子与表面之间的能量交换对理解这些复杂的表界面现象至关重要。但与气相反应相比，气相-表面体系自由度显著增大，其动力学微观机制的理论描述面临着巨大挑战。基于在神经网络高维势能面和量子动力学方法的发展，我们最近对一些重要的分子-表面散射体系进行了详细的态-态散射动力学计算。我们实现了H2O在Cu(111)面散射的首个多原子分子态-态量子动力学计算，揭示了分子内振动能量如何从反对称伸缩振动转移到对称拉伸振动，并为类似的多原子分子在表面的振动模式能量流动提供了统一的反应机理。此外，我们发现高振动激发的NO分子在Au(111)表面散射会绝热的耗散大量振动能量到表面声子中，与早期基于经验势能面的结果完全不同。该结果揭示了解离势垒在振动能量传递过程中的关键作用，并为进一步研究NO在Au(111)电子驱动的非绝热振动驰豫动力学奠定了基础。

[1] Zhang, L, Jiang, B, Efficient Vibrational Energy Redistribution between Stretching Modes: State-to-State Quantum Scattering of H2O from Cu(111), Phys. Rev. Lett. 2019, 106001.

[2] Yin, R, Zhang, Y, Jiang, B, Strong Vibrational Relaxation of NO Scattered from Au(111): Importance of the Adiabatic Potential Energy Surface, J. Phys. Chem. Lett. 2019, 5969.

[3] Zhang, Y, Hu, C, Jiang, B, Embedded atom neural network potentials: Efficient and accurate machine learning with a physically inspired representation, J. Phys. Chem. Lett. 2019, 4962.

报告人简介：

蒋彬，2012年在南京大学化学系获得博士学位，2015年起任中国科学技术大学教授，主要从事化学反应动力学的理论研究，2017年获基金委优秀青年基金支持。近五年发表发表通讯作者文章42余篇，包括JACS，PRL，ACIE，Chem. Sci. JPCL等，引用4000余次，H-index 37。曾连续两次受邀在Gordon Research Conference做邀请报告。