Nature子刊:機器學習+分子動力學,填補碳納米管生長機制理解空白! 2024年5月16日 下午5:11 ? 頂刊 ? 閱讀 52 第一作者:Daniel Hedman,Ben McLean 通訊作者:Daniel Hedman,J. Andreas Larsson,丁峰 通訊單位:韓國基礎科學研究所多維碳材料中心(CMCM),中國科學院深圳先進技術研究院 論文速覽 碳納米管(CNTs)在力學、熱學、電學和光學方面具有卓越的性能,但CNTs的生長過程中形成的結構缺陷會改變其性質。 本研究通過開發名為DeepCNT-22的機器學習力場(machine learning force field, MLFFF)來驅動分子動力學(MD)模擬,揭示了從成核到生長,包括缺陷形成和愈合在內的CNT形成機制。 研究發現,CNT與催化劑界面高度動態在生長條件下,CNT邊緣展現出顯著的構型熵。研究表明,在低生長速率和高溫度下界面缺陷在納入管壁之前可以愈合,讓CNT無缺陷地生長到看似無限的長度。 圖文導讀 圖1:DeepCNT-22數據集的可視化示意圖。 圖2:在1300 K溫度和0.5 ns-1生長速率下,無缺陷的(6,5)單壁碳納米管(SWCNT)在Fe55催化劑上生長的過程。 圖3:生長速率和溫度對無缺陷CNT生長的影響。 圖4:在Fe55催化劑上生長SWCNTs期間觀察到的邊緣構型。 總結展望 本研究的亮點在于利用機器學習力場(MLFF)驅動的模擬,實現了對CNT生長過程中界面缺陷形成和愈合機制的深入理解。通過精確控制生長溫度和速率,為控制生長長且無缺陷的CNT提供了可能。 本項工作不僅填補了CNT生長機制理解上的空白,還為未來的實驗設計和理論發展,尤其是在選擇性生長特定手性的CNT方面提供了新方向。 文獻信息 標題:Dynamics of growing carbon nanotube interfaces probed by machine learningenabled molecular simulations 期刊:Nature Communications DOI:10.1038/s41467-024-47999-7 原創文章,作者:wang,如若轉載,請注明來源華算科技,注明出處:http://www.zzhhcy.com/index.php/2024/05/16/e9faf78444/ 催化 贊 (0) 0 生成海報 相關推薦 Nano Letters:深度學習識別原子分辨率STEM圖像 2023年10月7日 夏寶玉最新Angew綜述:酸性電催化CO2RR,反應環境調控策略! 2024年4月22日 CO2還原!林彥瑋/王子運,新發Nature Chemistry! 2025年2月13日 牛!他,師從世界第一材料科學家,北大本科,連續5年高被引,新發Nature子刊! 2025年1月8日 ?發表第66篇AM!他用“PEN”寫下納米晶相之美! 2023年10月18日 金屬所盧柯院士&李秀艷,重磅Science! 2022年11月12日