成果簡介近日，日本東北大學(xué)材料科學(xué)高等研究所（WPI-AIMR）張頔博士、李昊教授、上海交大彭林法教授等在Nature Communications發(fā)表題為《Active Machine Learning Model for the Dynamic Simulation and Growth Mechanisms of Carbon on Metal Surface》的研究工作，為解開碳在金屬催化表面的行為之謎提供了有效的方法和策略。通過設(shè)計(jì)主動(dòng)學(xué)習(xí)（active learning）的方法，他們成功構(gòu)建了精準(zhǔn)的機(jī)器學(xué)習(xí)力場(chǎng)，揭示了碳材料在催化生長中涉及的微觀過程。他們發(fā)現(xiàn)主動(dòng)學(xué)習(xí)方法能幫助更精準(zhǔn)地采樣及實(shí)現(xiàn)精確機(jī)器學(xué)習(xí)力場(chǎng)的構(gòu)建。該類力場(chǎng)比傳統(tǒng)的經(jīng)驗(yàn)力場(chǎng)（如：ReaxFF等）更能準(zhǔn)確模擬出碳材料在金屬表面的相互作用（圖1）。圖1.?該研究工作的方法概述及相關(guān)示意圖利用得到的機(jī)器學(xué)習(xí)力場(chǎng)，他們使用tfMC蒙特卡洛等方法對(duì)Cu(111) 上的石墨烯生長進(jìn)行了完全動(dòng)態(tài)模擬。他們的研究結(jié)果成功重現(xiàn)了碳材料在Cu(111)表面的各種行為，與過去實(shí)驗(yàn)觀測(cè)結(jié)果高度一致（圖2-4）。圖2. 機(jī)器學(xué)習(xí)力場(chǎng)模擬碳在銅表面的各類行為（1）圖3. 機(jī)器學(xué)習(xí)力場(chǎng)模擬碳在銅表面的各類行為（2）圖4. 機(jī)器學(xué)習(xí)力場(chǎng)模擬碳在銅表面的各類行為（3）隨后，他們將相同策略擴(kuò)展到Cr(110)、Ti(001) 等金屬表面并對(duì)其進(jìn)行模擬，得到的結(jié)果與后續(xù)實(shí)驗(yàn)驗(yàn)證高度一致（圖5）。圖5. 將該模擬方法拓展至Cr(110)、Ti(001) 等金屬表面，及相關(guān)實(shí)驗(yàn)驗(yàn)證結(jié)果文獻(xiàn)信息Di Zhang*, Peiyun Yi, Xinmin Lai, Linfa Peng*, and Hao Li*, Active Machine Learning Model for the Dynamic Simulation and Growth Mechanisms of Carbon on Metal Surface. Nature Communications, 15, 344 (2024). https://doi.org/10.1038/s41467-023-44525-z
-透明背底.png)