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 57 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 颜清宇/陈俊松ACS Nano:In2Se3-CoIn2-CoSe2异质结构中双边界面助力高速可逆钠储存 2023年11月3日 崔屹创建的公司将借壳上市,估值9.39亿美元! 2023年10月14日 夏永姚&王永刚Angew. 三维泡沫铜上固定人工SEI膜,长寿命/高倍率/大沉积量/高库伦效率金属锂负极 2023年11月17日 麻省理工Nature子刊:提升22.8倍!机器学习加速聚合物电解质筛选! 2023年10月10日 赵东元院士团队,最新Nature子刊! 2024年3月12日 宫勇吉/吴凯,最新Nature Synthesis! 2022年10月8日