第一作者:ong> Song Wang

通讯作者：De-en Jiang

通讯单位：University of California Riverside

研究内容：

虽然金属原子的坐标可以通过x射线晶体学精确地确定，但金属纳米团簇中氢化物的位置很难确定。理论上，中子晶体学可以用来确定氢化物的位置，但它需要一个大晶体和一个中子源，这妨碍了它的日常使用。在此，我们提出了一种深度学习方法，可以加速测定不同尺寸金属纳米团簇的单晶x射线结构中的氢化物位置。我们证明了我们的方法在预测最可能的氢化物位置及其组合上的有效性，以确定最近报道的两个铜纳米团簇的总结构，[Cu₂₅ H₁₀(SPhCl₂)1₈]^3-和[Cu₆₁(St¹Bu)₂₆S₆Cl₆H₁₄]⁺，它们的氢化物位置尚未通过中子衍射确定。我们的方法可以推广应用到其他金属体系中，从而消除了原子精确金属氢化物纳米化学的瓶颈。

要点一：

  与Au的电负性大于H不同，Cu和Ag的电负性较小，而且NaBH₄还原形成的纳米团簇结构中往往含有氢化物。虽然单晶x射线衍射可以常规地用于这些铜和银纳米团簇以确定重原子（非氢原子）的位置。由于难以生长出足够大的晶体用于中子衍射，而且中子源的可用性有限，氢化物的位置已经成为一个瓶颈。

要点二：

  本文的想法是利用从中子衍射中已知氢化物位置的含氢化物金属团簇的可用x射线结构来训练一个模型，该模型允许我们预测给定x射线结构中所有可用位置的氢化物占据的概率。我们将以铜系为例，但这种方法也可以推广到其他金属系。

图1：a)给定x射线结构，利用卷积神经网络(CNN)预测氢化物位置的基本工作流程;b)训练的CNN模型对x射线结构中可能的氢化物位点进行分类的准确率为Has H (occupancy <0.5)或no H (occupancy <0.5);ground truth (Exp.)来自中子数据。

图2：a) [Cu₂₅H₁₀(SPhCl₂)1₈]^3-的单晶x射线结构，其中氢化物位置(白球)由CNN预测。铜深橙红色，C灰色，S黄色，Cl浅蓝色;有机配体上的H没有显示出来。b) CNN提供的Cu₂₅ (SPhCl2)₁₈中氢化物在可能位置占有的概率分布。

图3: (a) [Cu₆₁(St (St¹Bu)₂₆S₆Cl₆H₁₄]⁺ 的单晶x射线结构。(b) [Cu₆₁(St (St¹Bu)₂₆S₆Cl₆H₁₄]⁺ 中可能位置氢化物占位的概率分布。预测氢化物位置(白球)的簇核的俯视图(c)和侧视图(d)。铜深橙红色和绿色，H白色，C灰色，S黄色，Cl淡蓝色。

图4：[Cu₆₁(St¹Bu)₂₆S₆Cl₆H₁₄]⁺内铜核的14个氢化物(白色)的位置在(表1)异构体B1的DFT优化前(上)和后(下)。

参考文献:Wang, S.; Wu, Z.; Dai, S.; Jiang, D. E., Deep Learning Accelerated Determination of Hydride Locations in Metal Nanoclusters. Angew Chem Int Ed, 2021, 60 (22), 12289-12292.