РНФ 22-72-00138
Исследование фазовых переходов в углеродных материалах на атомном уровне с помощью современных методов моделирования
Проект направлен на преодоление ограничений традиционных методов моделирования (DFT, классические потенциалы) за счёт машинного обучения, что позволит впервые детально изучить ранние стадии фазовых превращений и открыть путь к управляемому синтезу новых материалов.
Цель проекта
Основной задачей проекта является исследование нуклеации алмазной фазы в графите и многослойном графене на атомном уровне с применением новейших методов моделирования, включающих в себя алгоритмы машинного обучения для тренировки ML-потенциалов. Данная задача включает в себя:
- Разработка высокоточных потенциалов машинного обучения для описания фазовых переходов с точностью методов ab initio, но применимых к системам из миллиона атомов
- Исследование стадии нуклеации в углеродных материалах
- Анализ ключевых факторов, влияющих на нуклеацию
- Создание вычислительного инструментария для моделирования фазовых переходов в других наноматериалах.
Основные исполнители
Группа ученых и исследователей, работающих над этим проектом
- Руководитель гранта
к.ф.м.н., научный сотрудник - Основной исполнитель
Экспериментальные исследования
Результаты проекта
Проект впервые объединил ML-моделирование, аналитическую термодинамику и эксперимент-ориентированные расчеты, чтобы раскрыть механизмы нуклеации алмаза. Результаты позволяют rонтролировать фазу алмаза при синтезе и снизить давление и температуру получения алмаза из графена.
Данный результат позволит создавать новые 2D-материалы на основе алмазных плёнок.
Данный результат позволит создавать новые 2D-материалы на основе алмазных плёнок.
Преимущества результата
- ТочностьРазработанный ML-потенциал обеспечивает атомарную точность расчётов для систем до 1 млн атомов, недостижимую для традиционных методов.
- ЭффективностьMTP-потенциал в 10 раз быстрее аналогов при сопоставимой точности, что ускоряет моделирование фазовых переходов.
- УправляемостьУстановлены чёткие критерии (толщина, давление) для контролируемого синтеза кубического или гексагонального алмаза.
- ИнновационностьПредложен новый метод создания 2D-алмаза через гидрирование графена, перспективный для гибкой наноэлектроники.
Публикации по проекту
- Ерохин С.В., Ращупкин А.А., Чернозатонский Л.А., Сорокин П.Б. Формирование фаз алмаза и/или лонсдейлита из мультиграфена под действием наноиндентора - моделирование методом машинного обучения // Письма в ЖЭТФ 2024, Т. 119, № 11, С. 831
- Builova M.A., Erohin S.V., Sorokin P.B. Machine Learning Potential to Model the Diamond Phase Nucleation in Misoriented Bilayer Graphene // Journal of Structural Chemistry 2024, V. 65, is. 8, p. 1595-1602
- S. V. Erokhin, M. A. Builova, P. B. Sorokin. Training of Machine Learning Potentials for the Modeling of Nucleation in Graphite // Journal of Structural Chemistry 2024, V. 65, is. 4, p. 831 - 839
- РИД: Программа для построения модели структуры зародыша алмаза в матрице графита, Авторы: Ерохин С.В., Ларионов К.В., Сорокин П.Б. // Свидетельство о государственной регистрации 2023687670 от 05.12.2023
