详细内容或原文请订阅后点击阅览
机器学习有助于识别下一代纳米材料的“热开关”
想象一下，能够对材料进行编程来控制热量，就像您可以使用调光开关控制灯一样。通过简单地挤压或拉伸材料，您可以使它们变得更热或更冷。
来源:英国物理学家网首页想象一下，能够对材料进行编程来控制热量，就像您可以使用调光开关控制灯一样。通过简单地挤压或拉伸材料，您可以使它们变得更热或更冷。
先进材料的基本挑战之一是准确预测和控制复杂的下一代材料中的热流。传统的模拟方法依赖于简化的经验模型，无法捕捉材料复杂的原子相互作用，尤其是在变形情况下。
高级材料机械与航空航天工程系助理教授李翔宇及其博士生的新研究学生张少东帮助缓解了这个问题。
Li和Zhang使用机器学习辅助神经进化势（NEP）来训练计算模型，了解原子如何在亚纳米尺度上相互作用。对于石墨烯泡沫等高度多孔材料，该技术有助于通过模拟原子运动和相互作用来预测热性能和机械性能。该技术使研究人员能够模拟这些材料在不同条件（例如压缩）下的行为，并了解它们的结构如何变化。
机械性能李和张的研究最近发表在《International Journal of Thermal Sciences》和《npj Computational Materials》上。
国际热科学杂志