机器学习分子动力学模拟催化的单壁碳纳米管生长
摘要：单壁碳纳米管（SWCNT）生长机制的研究已经进行了经典分子动力学（MD）模拟。然而，由于模拟SWCNT中存在拓扑缺陷，对手性的讨论一直很具有挑战性。最近，将神经网络应用于原子间势已经得到了积极研究，并且这样的原子间势被称为神经网络势（NNPs）。NNPs具有更好的近似函数能力，可以比传统的原子间势更准确地预测复杂系统的能量。在本研究中，我们开发了一个NNP来更准确地描述SWCNT生长。我们通过MD模拟成功地展示了在Fe纳米颗粒上无缺陷且可定义手性的SWCNT生长。此外，还发现SWCNT的边缘空位引起了缺陷形成，而原子扩散对空位愈合起到了阻止缺陷形成的作用。
作者：Ikuma Kohata, Ryo Yoshikawa, Kaoru Hisama, Shigeo Maruyama
论文ID：2302.09264
分类：Computational Physics
分类简称：physics.comp-ph
提交时间：2023-02-21