Modeling phase separation in polymer-derived carbonitride ceramics through extended machine learning molecular dynamics
Deze studie maakt gebruik van een op meer dan 9.000 configuraties getraind machine learning interatomair potentieel om grootschalige moleculaire dynamica van silicium-carbonitride-systemen te simuleren, en onthult dat thermische behandeling faseafscheiding drijft waarbij defecte koolstofringen de nucleatie van grafietachtige lagen binnen de amorfe matrix bemiddelen, waardoor de unieke hybride eigenschappen van het materiaal worden verklaard.