了解斷裂對(duì)于彈性納米材料的設(shè)計(jì)至關(guān)重要。分子動(dòng)力學(xué)提供了一種在原子水平上研究斷裂的方法，但是由于可擴(kuò)展性的限制，計(jì)算量很大。在這項(xiàng)工作中，作者建立了預(yù)測(cè)納米斷裂機(jī)制的機(jī)器學(xué)習(xí)方法，包括裂紋不穩(wěn)定性和作為晶體取向函數(shù)的分支。將重點(diǎn)放在與技術(shù)相關(guān)的特定材料系統(tǒng)石墨烯上，并將深度學(xué)習(xí)方法應(yīng)用于此類(lèi)納米材料的研究，并探索將機(jī)器學(xué)習(xí)預(yù)測(cè)校準(zhǔn)為有意義的結(jié)果所必需的參數(shù)空間。該結(jié)果驗(yàn)證了深度學(xué)習(xí)方法能夠定量捕獲石墨烯斷裂行為（包括其分形維數(shù)與晶體取向的函數(shù)）的能力，并為深度學(xué)習(xí)在材料設(shè)計(jì)中的廣泛應(yīng)用提供了希望，從而為其他2D材料打開(kāi)了潛力。
Fig. 1 石墨烯斷裂的MD研究。
Fig. 2 ML參數(shù)優(yōu)化。
Fig. 3 評(píng)估ML模型的預(yù)測(cè)能力。
Fig. 4 廣義裂縫預(yù)測(cè)。
Fig. 5 缺陷容忍度的預(yù)測(cè)。
相關(guān)研究成果于2021年由麻省理工學(xué)院Markus J. Buehler課題組，發(fā)表在npj 2D Materials and Applications（https://doi.org/10.1038/s41699-021-00228-x）上。原文：Deep learning model to predict fracture mechanisms of graphene。
轉(zhuǎn)自《石墨烯雜志》公眾號(hào)
.jpg)
