深度学习互原子势将分子结构有序性与聚苯丙烷 (PAN) 聚合物宏观属性联系起来
材料科学
2024-04-26 v1
摘要
聚苯丙烷 (PAN) 是一种重要的商业聚合物，具有非选择性自由基聚合导致的松状立体化学。因此，对 PAN 分子单元之间关键相互作用的准确、基本性理解对于降低最终产品的加工成本而 advance 设计原则至关重要。虽然初步分子动力学 (AIMD) 模拟可以提供处理极性聚合物中关键相互作用（如偶极-偶极相互作用和氢键）的必要精度，并分析其对分子取向的影响，但其实现仅限于小分子。本文表明，训练于 oligomers 获取的小尺度 AIMD 数据的神经网络互原子势 (NNIP) 可有效用于检查大尺度（聚合物）的结构/属性。NNIP 为内链和链间氢键及偶极相关性提供了关键见解，并准确预测了经 X 射线结构因子实验验证的非晶 PAN 结构。此外，NNIP 预测的 PAN 属性，如密度和弹性模量，与实验值良好一致。总体而言，弹性模量的趋势被发现与 PAN 结构取向编码在 Hermans 取向因子中高度相关。该研究使得能够在保持初步精度的同时预测 PAN 及其仿物的结构-属性关系成为可能。
引用
@article{arxiv.2404.16187,
title = {Deep Learning Interatomic Potential Connects Molecular Structural Ordering to Macroscale Properties of Polyacrylonitrile (PAN) Polymer},
author = {Rajni Chahal and Michael D. Toomey and Logan T. Kearney and Ada Sedova and Joshua T. Damron and Amit K. Naskar and Santanu Roy},
journal= {arXiv preprint arXiv:2404.16187},
year = {2024}
}