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！

文章预览

【高端测试 找华算】 专注测试分析服务、自有球差电镜机时、全球同步辐射资源，10000+单位服务案例！ 经费预存选华算，高至16%预存增值！ 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, MLFF F）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 ………………………………