基于机器学习势场探讨二维玻璃的强度

玻璃的强度与其原子水平的异质性密切相关。原子分子模拟常用于探讨这一关系，以弥补实验研究中受限的时空分辨率。然而，理论洞察受限于玻璃结构的复杂性以及用于模拟的相互作用势的准确性。本文我们研究了二维硅蝴呈的强度和断裂机制，所有结构单元均可被直接实验观察。我们开发了一个基于深度势场-smooth 版(DeepPot-SE)框架的神经网络断裂势场(NN-F$^{3}$)。研究了樟脑、纳米晶、半晶和连续随机网络玻璃中代表性的原子结构。我们发现，virials 或键长控制了键断裂事件的初始化，在玻璃网络中创建纳米尺寸空洞。然而，这些空洞并不一定导致裂纹扩展 due to 一种无序捕获效应，该效应强于晶体晶格中的晶格捕获效应，并且发生在更大的尺度和时间尺度上。断裂起始随着空洞的生长和合并进行，通过桥接机制进行。断裂图案由随后的捕获和 cleavage 步骤形成，常由裂纹尖端前方形成的空洞引导。这些异构过程导致晶体区域呈原子光滑的面，玻璃相呈粗糙的非晶边缘。这些对2D晶体和玻璃——两者都采用SiO$_{2}$ 化学——的见解突显了原子水平结构在决定材料断裂动力学和路径选择中的关键作用。