將 ScienceAI 設(shè)為星標

第一時間掌握

新鮮的 AI for Science 資訊

編輯 | X

碳納米材料的可控合成，比如單晶、大面積石墨烯，手性碳納米管，是實現(xiàn)其在未來電子或能源設(shè)備中潛在應(yīng)用的關(guān)鍵挑戰(zhàn)。

基底催化生長為碳納米結(jié)構(gòu)的可控合成提供了一種非常有前途的方法。然而，動態(tài)催化表面的生長機制和更通用的設(shè)計策略的發(fā)展仍然是一個挑戰(zhàn)。

近日，來自上海交通大學(xué)和日本東北大學(xué)（Tohoku University）的研究團隊，展示了主動機器學(xué)習(xí)模型如何有效地揭示基底（Substrate）催化生長中涉及的微觀過程。研究利用分子動力學(xué)和蒙特卡羅方法的協(xié)同方法，并通過高斯近似勢增強，對 Cu(111) 上的石墨烯生長進行了完全動態(tài)模擬。

該研究為設(shè)計金屬或合金襯底提供了一種實用而有效的方法，以獲得所需的碳納米結(jié)構(gòu)，并探索進一步的反應(yīng)可能性。

該研究以《Active machine learning model for the dynamic simulation and growth mechanisms of carbon on metal surface》為題，于 2024 年 1 月 6 日，發(fā)布在《Nature Communications》上。

當前金屬基底催化研究的局限性

基底催化沉積被認為是實現(xiàn)二維或三維碳原子共價鍵網(wǎng)絡(luò)可控生長的最有前途的方法之一。雖然普通表面上的生長機制已被廣泛研究，但關(guān)于控制高指數(shù)或復(fù)合表面上石墨烯質(zhì)量的動態(tài)和原子級因素的知識有限。這一研究差距極大地阻礙了理論指導(dǎo)設(shè)計方法在碳納米結(jié)構(gòu)生長中的新型催化金屬襯底的發(fā)展。

由于潛在基底的廣泛范圍以及碳納米材料生長過程對各種實驗參數(shù)的敏感性，通過實驗尋找金屬或合金催化劑有相當大的挑戰(zhàn)。

因此，理論模擬有足夠的空間，許多原子細節(jié)很容易獲得。比如 DFT、動力學(xué)蒙特卡羅 (KMC) 和從頭算分子動力學(xué) (AIMD) 等。然而，這些方法各有其局限性。因此，仍然迫切需要一種能夠準確描述金屬表面碳生長機制的穩(wěn)健設(shè)計模型。

基于人工神經(jīng)網(wǎng)絡(luò)或基于核方法的機器學(xué)習(xí)勢（MLP）被認為是解決經(jīng)典力場有限的精度和可轉(zhuǎn)移性并保持 DFT 級精度的有效方法。盡管在數(shù)據(jù)驅(qū)動的 MD 模擬方面取得了重大成就，但構(gòu)建精確的 MLP 仍然是一項艱巨的任務(wù)。這個問題的一個解決方案是動態(tài)學(xué)習(xí)技術(shù)。

為了提高沉積過程的動態(tài)訓(xùn)練的效率和有效性，需要一個明確定義的選擇協(xié)議。另一方面，金屬基底上碳生長的動力學(xué)可以由重要的罕見事件控制。因此，如何通過將增強采樣方法與經(jīng)典動力學(xué)相結(jié)合來提高 MLP 的訓(xùn)練效率還需要進一步研究。

數(shù)據(jù)驅(qū)動的自動學(xué)習(xí)框架，以最少的人力生成 MLP

該研究提出了一種數(shù)據(jù)驅(qū)動的自動學(xué)習(xí)框架，以最少的人力生成 MLP，其適合于金屬或合金表面的碳生長。

為了實現(xiàn)這一任務(wù)，研究人員利用 (1) 高斯近似勢 (GAP) 加工學(xué)習(xí)模型；（2）一種增強采樣方法，稱為時間戳力偏置蒙特卡羅（time-stamped force-biased Monte Carlo，tfMC）方法，以加速碳沉積后的弛豫過程，從而將重要的稀有事件包含在訓(xùn)練數(shù)據(jù)庫中；（3）基于原子位置平滑重疊（SOAP）描述符選擇代表性訓(xùn)練數(shù)據(jù)的有效策略；(4) 完善的碳訓(xùn)練集；（5）自動化篩選、擬合和驗證程序。

通過利用金屬上碳生長機器學(xué)習(xí)勢 (CGM-MLP)  的高精度并在 MD/tfMC 方法中納入罕見的原子事件，成功地復(fù)制了與金屬表面石墨烯成核和碳生長相關(guān)的基本子過程（subprocesses），如下圖所示。

然后應(yīng)用產(chǎn)生的電勢來研究碳原子在 Cu (111) 表面上的沉積生長。這種方法可以正確捕獲 Cu（111）上碳生長的關(guān)鍵過程，如亞表面碳單體和表面二聚體的形成和遷移，一維碳納米微晶的出現(xiàn)，石墨烯成核涉及 Cu 原子和碳鏈的邊緣鈍化，以及析出生長過程。

研究人員對不同金屬表面的初始成核，特別是 Cu(111)、Cr(110)、Ti(001) 和 O 污染的 Cu(111) 上的碳沉積的模擬，與實驗觀察和 DFT 計算表現(xiàn)出一致性。

圖 5：用于碳納米結(jié)構(gòu)生長的代表性金屬表面。（來源：論文）

研究意義

總之，該研究代表了 MLP 和 MD/tfMC 集成方面的開創(chuàng)性進展，為設(shè)計金屬或合金基材以獲得所需的碳納米結(jié)構(gòu)提供了可轉(zhuǎn)移且有效的策略。

CGM-MLP 有效地將第一原理方法的準確性與經(jīng)典力場的效率結(jié)合起來。tfMC 方法克服了傳統(tǒng) AIMD 或經(jīng)典 MD 方法的時間尺度限制。此外，CGM-MLP 的自動訓(xùn)練框架納入了專門的查詢策略，用于在沉積模擬中構(gòu)建動態(tài)訓(xùn)練集，強調(diào)了考慮沉積原子周圍局部環(huán)境的重要性。

這些進展使得復(fù)雜金屬表面碳生長機制的直接理論研究成為可能。該研究中提出的機器學(xué)習(xí)驅(qū)動的沉積模型可能為研究多種碳納米結(jié)構(gòu)（例如石墨烯、碳納米管、石墨或類金剛石碳膜）生長中的多元素金屬或合金基底提供機會。