使用随机森林模型预测原始和有缺陷的碳纳米管的机械性能
Ihtesham Ibn Malek1, Koushik Sarkar1, Ahmed Zubair1
1Department of Electrical and Electronic Engineering, Bangladesh University of Engineering and Technology Dhaka 1205 Bangladesh ahmedzubair@eee.buet.ac.bd.
Nanoscale advances
|August 23, 2024
概括
一个新的随机森林模型准确地预测了碳纳米管 (CNT) 的机械性能,为传统模拟提供了更快的替代方案. 这种数据驱动的方法增强了纳米复合材料和纳米电子的研究.
科学领域:
- 材料科学 材料科学 材料科学
- 计算材料科学科学 计算材料科学
- 纳米技术 纳米技术
背景情况:
- 传统的方法,如分子动力学和密度函数理论的材料属性计算是耗时的.
- 数据驱动模型为预测材料特性提供了一个计算效率高的替代方案.
研究的目的:
- 开发和验证一种随机森林 (RF) 模型,用于预测碳纳米管 (CNT) 的机械性质.
- 评估模型在各种应变条件下对原始和缺陷的CNT的预测准确性和稳定性.
主要方法:
- 经典的分子动力学模拟被用来计算压力和Poisson的比率为CNTs.
- 一个随机的森林模型被训练使用合适的参数和最终的抗拉强度,通过主要组件分析选择的特征.
- 对机器学习算法的比较分析确定了射频模型是表现优越的.
主要成果:
- 射频模型实现了高预测精度,原始CNT的RMSE值为0.013和有缺陷的CNT为0.0143.
- 相关系数超过0.99,表明在训练直径范围 (0.4-2纳米) 中的CNTs具有很好的预测能力.
- 该模型成功地预测了直径大于训练集 (> 2 nm) 的 CNT 的特性,表明了强度.
结论:
- 开发的射频模型可以作为计算密集型分子动力学模拟的强大而高效的替代品.
- 这些发现为推进利用CNT的纳米复合材料,纳米电子和纳米机械系统研究提供了宝贵的见解.
