手性对纳米管断裂应变的影响：全面的机器学习潜力计算

碳纳米管断裂应变研究基于DIEP机器学习模型，模拟186种不同尺寸CNTs断裂行为，发现armchair型末端局部键断，zigzag型长程分布式断裂，与分子动力学结果一致，验证模型预测能力，揭示手性、直径与缺陷传播机制关联，为纳米材料设计提供高效工具。

　　

我们通过直接整合交换势（DIEP）机器学习势模型，对碳纳米管（CNTs）的断裂应变与其手性之间的关系进行了全面研究。通过模拟准静态拉伸CNT结构的过程，我们研究了186根碳纳米管的断裂情况，这些纳米管的长度从476个原子到5616个原子不等。研究结果清楚地展示了扶手椅型、之字形和手性碳纳米管的断裂应变趋势。具体而言，扶手椅型纳米管在超胞末端倾向于出现局部键断裂现象，而之字形纳米管则在其长度方向上表现出更分散的键断裂。这一观察结果与之前的分子动力学模拟结果一致。我们通过将模型的预测断裂应变与已发表的实证模型的结果进行比较来验证其准确性。此外，我们还重点分析了某些具有显著高或低断裂应变的CNT构型，从而揭示了手性、直径和缺陷传播机制之间的相互作用。这种机器学习势模型的强大预测能力表明，它有望用于大规模、高通量的CNTs及其他纳米材料的断裂模拟。