氮化多孔石墨烯（C2N）的热机械性能：基于机器学习的势与经典原子间势的比较
材料科学
2021-07-30 v1
摘要
二维纳米材料的热与机械性能通常通过密度泛函理论（DFT）计算力常数及经典分子动力学（MD）模拟来研究。尽管 DFT 模拟提供准确估计，但计算成本高昂。另一方面，MD 模拟强烈依赖于原子间势的准确性。在此，我们利用被动拟合的机器学习原子间势（MLIPs）研究氮化多孔石墨烯（C2N）的热导率与弹性模量，该势依赖于计算代价较低的 ab-initio 分子动力学轨迹。C2N 的热导率通过基于 MLIP 的非平衡分子动力学模拟（NEMD）研究。在室温下，得到晶格热导率为 85.5 W/m-K，有效声子平均自由程为 37.16 nm。通过单轴拉伸模拟，预测 C2N 的弹性模量、极限强度与断裂应变分别为 390 GPa、42 GPa 与 0.29。结果表明，被动拟合的 MLIPs 可作为高效原子间势，借助经典 MD 模拟获取 C2N 的热导率与弹性模量。此外，还研究了采用 MLIPs 模拟含点缺陷 C2N 的可能性。通过以点缺陷构型训练 MLIP，研究了缺陷结构的机械性能。尽管使用 MLIP 比经典原子间势成本更高，其仍可高效预测二维纳米结构的热与机械性能。
引用
@article{arxiv.2105.08940,
title = {Thermo-mechanical properties of nitrogenated holey graphene (C2N): A comparison of machine-learning-based and classical interatomic potentials},
author = {Saeed Arabha and Ali Rajabpour},
journal= {arXiv preprint arXiv:2105.08940},
year = {2021}
}