基于机器学习势函数的分子动力学模拟揭示有序介孔碳CMK-3/5的纳米铸造机制

本研究针对有序介孔碳(OMC)材料的结构调控难题，通过机器学习(ML)增强的分子动力学(MD)模拟，系统研究了SBA-15模板中纳米铸造形成的CMK-3/5结构。研究人员开发了融合PBE DFT与vdW作用的转移学习势函数，首次在原子尺度揭示了碳前驱体与模板相互作用对形成碳纳米管(CNT)、纳米卷或无序石墨结构的关键影响，为精准设计高性能电催化材料提供了理论基石。

　　

在能源存储和催化领域，有序介孔碳材料(OMC)因其独特的孔道结构备受关注。这类材料通常通过纳米铸造技术制备——将碳前驱体注入二氧化硅模板的纳米孔道中，高温碳化后去除模板，就能获得与模板孔道结构相反的碳材料复制品。其中，SBA-15模板制备的CMK-3和CMK-5是最典型的代表，但长期以来，科学家们对其微观结构的认识仍停留在实验表征的粗浅层面：为什么有些前驱体形成管状CMK-5结构，有些却形成实心棒状CMK-3？模板表面化学性质如何影响最终产物的石墨化程度？这些关键问题制约着材料的性能优化。

美国能源部艾姆斯国家实验室（Ames National Laboratory）的Da-Jiang Liu和James W. Evans研究团队在《Microchemical Journal》发表的研究，首次将机器学习势函数与分子动力学模拟相结合，像"原子级显微镜"一样揭示了纳米铸造过程中的结构演化奥秘。他们创新性地采用两步法构建势函数：先基于PBE DFT训练基础模型，再通过转移学习整合vdW相互作用，使模拟既能捕捉碳原子的成键行为，又能准确描述石墨层间的堆叠作用。研究人员设计了两种模板体系——简化版（惰性氩原子构成的刚性孔道）和真实版（非晶态介孔二氧化硅），系统比较了不同碳前驱体（原子碳vs聚合物）在高温动态过程中的自组装行为。

关键技术方法
研究采用机器学习分子动力学(ML-MD)模拟，通过PBE DFT预训练势函数并引入optB88-vdW泛函进行转移学习。构建了直径5-15nm的圆柱形孔道模型，包括惰性Ar原子构成的理想模板和原子级非晶SiO₂真实模板。模拟过程采用温度梯度退火协议，对比研究了原子碳前驱体与聚合物前驱体在不同约束条件下的石墨化行为。

主要研究结果
原子碳前驱体
在简化Ar模板中，碳原子自发组装成多壁碳纳米管(MWCNT)结构，管径与模板约束强度呈负相关。引入真实SiO₂模板后，表面硅羟基使碳结构多样性显著增加：当模板相互作用较弱时，形成类似CMK-3的实心纳米棒；增强相互作用后，碳原子优先沿孔壁排列，形成CMK-5特征的管状结构。

聚合物前驱体
模拟显示前驱体化学性质决定脱氢速率与石墨化程度的竞争关系。低温下(<1500K)，含氧聚合物前驱体因缓慢脱氢形成大量sp³杂化缺陷，导致最终产物呈现扭曲纳米带与石墨微晶的混合结构；而富碳前驱体则更易形成扩展sp²网络。

结构表征分析
径向分布函数表明，真实模板中形成的碳材料具有更强的中程有序性，其石墨微晶尺寸比简化模板体系大30%。局部取向分析揭示CMK-5结构中存在独特的"纳米盘-纳米带"过渡区域，这种混合形态显著增加了电化学活性位点密度。

结论与意义
该研究首次在原子尺度阐明了硬模板表面化学性质与碳前驱体选择的协同效应：弱模板相互作用适合制备高石墨化度的CMK-3，而强相互作用有利于形成高比表面积的CMK-5。特别重要的是，发现真实模板表面的非均匀性会诱导形成sp²/sp³杂化的界面结构，这种"缺陷工程"为设计多功能OMC材料提供了新思路。研究者建立的ML-MD框架可推广到其他纳米铸造体系，如沸石模板碳或氮掺杂材料，为下一代能源材料的理性设计奠定了方法论基础。