基于回归驱动的粗化方法研究缺陷二维聚合物的弹性特性

《Journal of Chemical Theory and Computation》：Elastic Properties of Defective 2D Polymers from Regression Driven Coarse-Graining

二维聚合物弹性性质计算与理性设计研究。提出基于弹性梁的MikadoRR粗粒化模型，通过回归拟合参数，有效计算缺陷2DPs的弹性性质，并与原子模拟和BAFF模型对比，证明其能准确描述各向异性和缺陷能量，为理性设计提供依据。

　　二维聚合物（2DPs）因其复杂的网络结构和在特定性能上的可设计性，成为一种引人注目的材料类型。它们在气体分离、储能、膜材料、传感以及能量存储等领域展现了广泛的应用潜力。然而，对2DPs弹性行为的预测和理解对于其实际应用至关重要，尤其是在存在缺陷的情况下，这种计算仍然面临计算上的挑战。缺陷在合成过程中普遍存在，它们对材料的性能，如带结构、电荷传输和弹性特性，有着显著影响。此外，2DPs甚至可以被设计成包含特定的缺陷以实现定制的功能性。因此，开发一种能够有效计算缺陷对2DPs性能影响的粗粒化（CG）模型具有重要意义。

本文介绍了一种基于弹性梁的粗粒化方法——MikadoRR模型，该模型的参数通过简单的回归拟合提取。MikadoRR模型能够在微观尺度上准确计算具有缺陷的2DPs的弹性特性，并且可以推导出针对特定弹性特性的设计原则。这种模型的提出，为研究2DPs的结构与性能之间的关系提供了新的工具，同时也为未来材料的理性设计和合成提供了理论支持。

MikadoRR模型的构建基础在于对传统Mikado模型的扩展。Mikado模型通常用于描述随机聚合物网络的弹性行为，而MikadoRR模型则进一步引入了基于回归的方法，使得模型参数能够更准确地反映实际材料的物理特性。通过这种方式，MikadoRR模型能够在不显著增加模型复杂度的情况下，实现对缺陷结构的描述。模型中，每个弹性梁的变形能量和每个顶点处的角偏差能量被分别考虑，这使得模型能够更全面地反映材料的弹性行为。模型的总能量由这些部分的能量总和组成，并通过回归方法进行拟合，从而获得模型参数。

相比之下，BAFF模型是一种较为简单的弹簧模型，仅包含拉伸和弯曲两个参数。这种模型虽然在某些情况下能够提供初步的弹性特性估算，但在描述复杂的弯曲行为时存在明显不足。因此，在处理具有高度各向异性特性的缺陷时，如Stone–Wales（SW）缺陷，BAFF模型的表现不如MikadoRR模型。通过比较两种模型在不同缺陷浓度下的表现，可以发现MikadoRR模型在计算缺陷形成能和弹性特性方面具有更高的准确性。

研究还表明，MikadoRR模型的参数能够与2DPs的分子构建块的弹性特性相对应。例如，参数c?和c?反映了连接体的压缩刚度，而c?、c?和c?则与连接体的平面弯曲刚度相关。c?则代表了核心区域的平面弯曲刚度。通过人为调整这些参数，可以系统地研究它们对2DPs性能的影响，并由此推导出设计规则。这些规则能够指导实验合成，使研究者能够根据目标性能选择合适的分子构建块组合。

在实际应用中，研究者选择了多种具有不同核心和连接体弯曲刚度的2DPs进行实验验证。例如，AEM1-TFAQ具有柔软的核心和刚性的连接体，而HHTP-BPDA（COF-10）则具有刚性核心和较柔软的连接体。这两种材料的弹性特性相似，表明通过调节核心和连接体的弹性，可以实现对材料性能的理性设计。此外，研究还发现，如果目标是获得较高的缺陷形成能，但受限于合成条件必须使用柔软的核心，那么可以通过替换连接体为更刚性的材料来实现这一目标。

MikadoRR模型的引入不仅提高了对缺陷结构的计算效率，还为2DPs的理性设计提供了理论基础。在未来的研究中，该模型可以进一步扩展，以考虑更复杂的三维弯曲行为，从而实现更全面的弹性特性描述。此外，模型的连接度目前为三，这一限制可以轻松扩展。虽然当前的模拟不考虑温度的影响，但这些结果仍然能够反映材料的性能趋势，为实验研究提供有价值的参考。

总的来说，MikadoRR模型为二维框架材料的系统理解和设计提供了一种新的方法，并展示了其在计算缺陷材料性能方面的有效性。通过这一模型，研究者能够更高效地预测和优化材料的弹性特性，从而推动2DPs在多个领域的应用。未来，随着模型的进一步完善和扩展，其在材料科学中的价值将进一步提升。