Modeling phase separation in polymer-derived carbonitride ceramics through extended machine learning molecular dynamics
यह अध्ययन सिलिकॉन कार्बोनिट्राइड प्रणालियों के बड़े पैमाने पर आणविक गतिकी (मॉलिक्यूलर डायनेमिक्स) का अनुकरण करने के लिए 9,000 से अधिक विन्यासों पर प्रशिक्षित एक मशीन लर्निंग इंटरएटोमिक पोटेंशियल का उपयोग करता है, जो यह प्रकट करता है कि तापीय उपचार चरण पृथक्करण (फेज सेपरेशन) को प्रेरित करता है जहाँ दोषपूर्ण कार्बन रिंग अमोर्फस मैट्रिक्स के भीतर ग्राफीन जैसी शीटों के नाभिकीयकरण (न्यूक्लिएशन) को मध्यस्थता प्रदान करते हैं, जिससे इस सामग्री के अद्वितीय हाइब्रिड गुणों की व्याख्या होती है।