积极机器学习模型用于金属表面碳的动态模拟和生长机制
Di Zhang1,2, Peiyun Yi3,4, Xinmin Lai3,4
1State Key Laboratory of Mechanical System and Vibration, Shanghai Jiao Tong University, 200240, Shanghai, People's Republic of China. zhangdi2015@sjtu.edu.cn.
Nature communications
|January 6, 2024
概括
机器学习揭示了基板催化碳纳米结构增长中的微观过程. 这种动态模拟方法有助于为所需的纳米结构设计催化剂.
科学领域:
- 材料科学 材料科学 材料科学
- 计算化学的计算化学
- 纳米技术纳米技术
背景情况:
- 基质催化增长是碳纳米结构合成的关键.
- 了解动态催化表面和一般设计策略仍然具有挑战性.
研究的目的:
- 用机器学习揭示基质催化增长中的微观过程.
- 开发碳纳米结构合成的一般设计策略.
主要方法:
- 结合分子动力学和蒙特卡洛方法的协同方法.
- 利用高斯近似潜力进行完全动态的模拟.
- 在Cu(111) 和其他金属表面上模拟石墨烯生长.
主要成果:
- 精确复制了碳扩散,链/环形成和Cu辅助生长.
- 由于离子冲击而观察到的键断裂.
- 模拟与各种金属表面的实验观测保持一致.
结论:
- 机器学习有效地阐明了基质催化增长机制.
- 为设计特定碳纳米结构的基板提供了一种实用方法.
- 开辟了探索催化中的进一步反应可能性的途径.
