斯巴达三百勇士,麻花传媒免费网站在线观看,程女士1v3海外视频

開發具有理想導熱性的非晶聚合物具有重要意義，因為其在熱傳輸至關重要的應用中無處不在。然而，傳統的愛迪生式方法很慢且不能保證材料開發的成功。

在此，美國圣母大學羅騰飛、馬瑞民等人采用基于強化學習的逆向材料設計算法，利用文獻中生成的469個分子動力學（MD）模擬數據探索高熱導率（TC≥0.400 W/m·K）的非晶聚合物。作者使用機器學習生成的基準數據庫 PI1M（其中包含約100萬個虛擬聚合物結構）訓練基于循環神經網絡（RNN）的聚合物生成器，并使用該模型生成新的聚合物結構。

此外，作者訓練了隨機森林（RF）模型以量化469個MD模擬數據上的化學-TC關系，該模型為新生成的聚合物提供反饋（即預測TC）。結果顯示，對于所有生成的TC≥0.400 W/m·K的聚合物，其TC介于0.400~0.430 W/m·K之間。作者通過計算合成可及性分數評估了其可合成性，并使用MD模擬驗證了所選聚合物的熱導率。

圖1. 本研究中使用的聚合物結構表示示例及TC分布

最終，作者通過MD模擬驗證了30種聚合物結構，其TC范圍從0.360~0.693 W/m·K，其中最佳導熱聚合物的TC為 0.693 W/m·K。根據合成可及性分數估計，這些聚合物很容易合成。MD計算的TC可能會受到所用力場準確性的影響，但由于作者使用相同的力場來生成所有數據，因此本研究的結果和結論應該是自洽的。

此外，在非晶聚合物中，構象比鍵合相互作用本身更重要，因為熱載體會因結構無序而分散。此次模擬的聚合物主要涉及有機分子中包含的常見鍵和原子，因此使用的力場應該能夠捕獲構象，從而提供對非晶聚合物TC的一致預測。這項工作證明了使用強化學習來設計具有高TC聚合物的適用性，可以推廣到設計具有不同特性的聚合物材料。

圖2. 使用MD模擬的無非晶聚合物生成和TC計算圖

Exploring High Thermal Conductivity Amorphous Polymers Using Reinforcement Learning, ACS Applied Materials & Interfaces 2022. DOI: 10.1021/acsami.1c23610

原創文章，作者：v-suan，如若轉載，請注明來源華算科技，注明出處：http://www.zzhhcy.com/index.php/2023/10/14/179e977001/

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

圣母大學羅騰飛/馬瑞民ACS AMI: 基于強化學習探索高熱導率非晶聚合物

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

圣母大學羅騰飛/馬瑞民ACS AMI: 基于強化學習探索高熱導率非晶聚合物

相關推薦