相关实验视频
Updated: Sep 10, 2025
06:48
Author Spotlight: Exploring Self-Assembled MOF-Polymer Composites
Published on: June 14, 2024
1.9K
在可持续的聚合物基板上激光诱导石墨烯形成的原子和数据驱动模型
Cheol Hwan Kim1, Jae Hyuk Kim2, Sung-Yeob Jeong3
1Department of Cogno-Mechatronics, Pusan National University, Busan, 46241, Republic of Korea.
Scientific reports
|August 27, 2025
概括
研究人员对木材进行了激光诱导的石墨烯合成. 机器学习模型有效地预测了LIG的形成,加速了能源和传感器应用中可持续材料的优化.
科学领域:
- 材料科学
- 计算化学
- 可持续工程
背景情况:
- 基于木材的基板为先进材料合成提供了可再生和环保的替代品.
- 在木材上激光诱导石墨烯 (LIG) 合成是有前途的,但缺乏理论理解和高效建模.
- 分子动力学 (MD) 模拟提供了一个理论框架,但在计算上是昂贵的.
研究的目的:
- 研究木材基材料LIG形成的理论基础.
- 开发计算效率高的方法来预测LIG合成参数.
- 建立一个从可持续木材资源中优化LIG生产的框架.
主要方法:
- 使用温度依赖的分子动力学 (MD) 模拟来研究木材上的LIG形成.
- 用原子级特征数据验证的模拟结果.
- 实施机器学习 (ML) 模型 (LSTM,SVR,MLP) 来预测超出模拟条件的LIG形成.
主要成果:
- MD模拟提供了对木质基板LIG形成机制的见解.
- 机器学习模型实现了高预测精度 (R2 ≥0.9),显著减少了计算时间.
- 在温度和LIG形成程度之间发现了强烈的相关性.
结论:
- 开发了一种高效的基于机器学习的框架,以优化基于木材的LIG合成.
- 该框架可以在各种激光处理条件下进行预测.
- 潜在的应用包括储能,传感器和催化,利用可持续材料.
