单层C$_{24}$网络的各向异性与各向同性弹性与热传导：基于机器学习分子动力学

二维全erene网络因其多样化的键合拓扑和机械刚性结构而日益受到关注。本文基于神经进化势能（NEP）框架开发了用于准六角相（qHP）和准四方相（qTP）C$_{24}$单层的准确机器学习势能NEP-C$_{24}$。使用该NEP-C$_{24}$模型，我们系统地考察了弹性和热传导特性。与C$_{60}$单层相比，两种C$_{24}$相均表现出显著增强的刚度，这源于分子尺寸缩小和共价键密度增加的叠加效应。qTP C$_{24}$单层因其四向对称性，表现出近似各向同性的弹性性能和沿两个主轴的热导率；而qHP C$_{24}$单层因链状、错位的键合拓扑，导致平面内显著的各向异性。均匀非平衡分子动力学和谱分解分析表明，低频（$<5$ THz）声学声子主导热传递，声子群速度和平均自由程的方向性变化决定了qHP C$_{24}$的各向异性响应。实用空间热流可视化进一步显示，在这些fullerene网络中，声子传递主要由强的分子间共价键主导，而非弱的范德华作用力。这些发现建立了分子键合拓扑与声子介导热传递之间的直接联系，为设计可调机械与热性能的基于fullerene的二维材料提供了指导。