Nature子刊:机器学习+分子动力学,填补碳纳米管生长机制理解空白! 2024年5月16日 下午5:11 • 顶刊 • 阅读 51 第一作者:Daniel Hedman,Ben McLean 通讯作者:Daniel Hedman,J. Andreas Larsson,丁峰 通讯单位:韩国基础科学研究所多维碳材料中心(CMCM),中国科学院深圳先进技术研究院 论文速览 碳纳米管(CNTs)在力学、热学、电学和光学方面具有卓越的性能,但CNTs的生长过程中形成的结构缺陷会改变其性质。 本研究通过开发名为DeepCNT-22的机器学习力场(machine learning force field, MLFFF)来驱动分子动力学(MD)模拟,揭示了从成核到生长,包括缺陷形成和愈合在内的CNT形成机制。 研究发现,CNT与催化剂界面高度动态在生长条件下,CNT边缘展现出显著的构型熵。研究表明,在低生长速率和高温度下界面缺陷在纳入管壁之前可以愈合,让CNT无缺陷地生长到看似无限的长度。 图文导读 图1:DeepCNT-22数据集的可视化示意图。 图2:在1300 K温度和0.5 ns-1生长速率下,无缺陷的(6,5)单壁碳纳米管(SWCNT)在Fe55催化剂上生长的过程。 图3:生长速率和温度对无缺陷CNT生长的影响。 图4:在Fe55催化剂上生长SWCNTs期间观察到的边缘构型。 总结展望 本研究的亮点在于利用机器学习力场(MLFF)驱动的模拟,实现了对CNT生长过程中界面缺陷形成和愈合机制的深入理解。通过精确控制生长温度和速率,为控制生长长且无缺陷的CNT提供了可能。 本项工作不仅填补了CNT生长机制理解上的空白,还为未来的实验设计和理论发展,尤其是在选择性生长特定手性的CNT方面提供了新方向。 文献信息 标题:Dynamics of growing carbon nanotube interfaces probed by machine learningenabled molecular simulations 期刊:Nature Communications DOI:10.1038/s41467-024-47999-7 原创文章,作者:wang,如若转载,请注明来源华算科技,注明出处:https://www.v-suan.com/index.php/2024/05/16/e9faf78444/ 催化 赞 (0) 0 生成海报 微信扫码分享 相关推荐 郑州大学付永柱/李翔团队,唯一通讯单位新发Nature子刊! 2024年6月5日 上海理工/山大AEM:原位构建多功能表面涂层实现先进水系锌-碘电池 2024年1月22日 周豪慎教授Angew:电解液加点MOF,实现固固转化锂硫全电池! 2023年10月30日 JMCA: 机器学习筛选用于高效钙钛矿太阳能电池的界面钝化材料 2022年9月20日 电池顶刊集锦:李巨、黄云辉、明军、王得丽、蒲雄、胡卫国、李武、连芳、彭章泉、赵志伟等成果! 2023年9月27日 他,第23篇JACS!以中科大之名,为新型MOF代言! 2023年10月8日