增长的碳纳米管接口的动力学被机器学习支持的分子模拟所探测
Daniel Hedman1, Ben McLean2,3, Christophe Bichara4
1Center for Multidimensional Carbon Materials (CMCM), Institute for Basic Science (IBS), Ulsan, 44919, Republic of Korea. daniel.hedman@ltu.se.
Nature communications
|May 14, 2024
概括
机器学习力场DeepCNT-22揭示了碳纳米管 (CNT) 的生长机制. 它表明,在特定条件下,CNT可以在管-催化剂接口上修复缺陷,从而使其无缺陷生长.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米技术 纳米技术
- 计算化学的计算化学
背景情况:
- 碳纳米管 (CNTs) 是先进技术的有希望的材料.
- 统一的CNT结构对于性能至关重要,但在高温生长过程中会出现缺陷.
- 缺乏对管-催化剂接口缺陷形成和愈合的原子层次理解.
研究的目的:
- 揭示CNT形成的原子层机制,包括核形成,生长和缺陷动态.
- 调查管-催化剂接口在CNT结构完整性中的作用.
- 探索允许无缺陷CNT生长的条件.
主要方法:
- 开发和应用DeepCNT-22,一个机器学习力场 (MLFF).
- 驱动分子动力学模拟来观察CNT生长过程.
- 在管催化剂接口上分析CNT边缘的动态行为和配置.
主要成果:
- 管-催化剂接口是高度动态的,在CNT边缘性上有显著的波动.
- 连续的螺旋增长不是一般的机制;在增长边缘存在显著的配置.
- 缺陷是随机形成的,但在低增长率和高温度下有效愈合,使得无缺陷的生长成为可能.
结论:
- 由MLFF驱动的模拟为CNT增长机制提供了前所未有的洞察力.
- 管-催化剂接口的缺陷治愈是产生长期,无缺陷的CNT的关键.
- 该研究挑战了现有的模型,并填补了CNT合成中的关键知识差距.
