机器学习潜力加速的纳米钻石结构重建的多尺度动态模拟.
Rui-Hong He1, Jing-Shuang Dang1
1Key Laboratory for Macromolecular Science of Shaanxi Province, School of Chemistry and Chemical Engineering, Shaanxi Normal University, Xi'an 710119, China.
The Journal of chemical physics
|October 24, 2025
概括
研究人员使用机器学习潜力模拟了纳米钻石的转换. 他们发现了一种涉及石墨化和自我愈合的多阶段途径,受粒子特征和温度的影响.
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:
- 了解纳米钻石的结构转变对于财产控制至关重要.
- 目前的模拟方法在平衡精度和规模方面存在局限性.
研究的目的:
- 开发和应用机器学习潜力 (MLP) 进行准确的大规模纳米钻石模拟.
- 阐明控制纳米钻石结构演变的原子化机制.
主要方法:
- 开发了一种具有密度函数理论 (DFT) 精度的机器学习潜力 (MLP).
- 在深潜分子动力学 (MD) 中实施的MLP用于大规模模拟 (10^3-10^4原子,纳秒时间尺度).
主要成果:
- 转化动力学受到纳米钻石形态,表面方面,粒子大小和温度的显著影响.
- 确定了一种多阶段的转变途径:向外向的石墨化,向内向外的原子迁移和自我愈合.
- 转换是由表面能量的最小化和内部应力放松驱动的.
结论:
- 为纳米钻石结构进化提供了前所未有的原子主义洞察力.
- 证明了基于MLP的分子动力学对复杂的多尺度纳米碳材料模拟的有效性.
