20240326使用机器学习和高通量计算加速发现石墨烯的力学性能

Name： Accelerated discoveries of mechanical properties of graphene using machine learning and high-throughput computation

DOI： https://doi.org/10.1016/j.carbon.2019.03.046

摘要

在这项工作中，首次使用不同的机器学习算法和人工神经网络（ANN）结构来预测单层石墨烯在系统温度，应变率，空位缺陷和手性等各种影响因素下的力学性能。预测包括断裂应变、断裂强度和杨氏模量。高通量计算（HTC）结合经典的分子动力学（MD）模拟被用来生成ML模型的训练数据集。结果表明，温度和空位缺陷对预测结果都有负面影响，而应变速率与预测结果呈正相关。随机梯度下降法（SGD）不能准确反映不同影响因素对石墨烯力学性能的影响，而k-近邻法（KNN）、支持向量机（SVM）、决策树（DT