英文原题：Nanotube Derived Ordered Carbons Predicted by Neural Network Potential
通讯作者：倪堃、朱彦武；中国科学技术大学
第一作者：Shuqi Xie, Kun Ni*, and Yanwu Zhu*
研究背景：
碳纳米材料因其优异的电学、热学和力学性能，在电子器件、热管理、能源存储等领域具有广阔的应用前景。其中，碳纳米管（CNTs）由于其可变的直径和手性，展现出丰富的物理和化学性质。近年来，研究者们通过压缩CNTs，尝试构建新的碳材料，但CNTs衍生碳的原子结构尚不清楚。传统的密度泛函理论（DFT）结合蒙特卡洛（MC）方法在处理大规模系统的结构搜索时面临计算成本高、采样效率低等问题，限制了该类新型碳结构的预测和探索。
内容介绍：
研究团队将神经网络势能与随机表面行走算法相结合（SSW-NN），用于碳纳米管在高压下的结构演化研究。通过该方法，团队成功预测了多种尚未报道的有序碳结构，并验证了其热力学和动力学稳定性。研究还发现，直径小于0.7纳米的碳纳米管对压力更为敏感，而获得的大多数有序碳结构表现出优异的热力学和动力学稳定性。
主要发现
新型有序碳结构的预测：研究团队通过SSW-NN方法，成功预测了25种新型有序碳结构，其中21种结构表现出良好的热力学和动力学稳定性。这些结构包括13种超硬结构（硬度 >40 GPa）和1种延展性结构（Pugh’s Ratio G/B < 0.57）。
图1. 获得的25类有序碳结构
电子性质的多样性：研究团队通过DFT计算发现，这些有序碳结构的电子性质特征包括金属性和半导体性。半导体结构的带隙范围在0到4.4 eV之间，涵盖了直接带隙和间接带隙。
图2. 25类有序碳结构的带隙分布
力学性能与密度的线性关系：研究还发现，有序碳结构的力学性能（如剪切模量、体积模量和杨氏模量）与其密度呈线性关系，表明密度可以作为描述碳材料力学性能的有效参数。
图3. 25类有序碳结构的杨氏模量Y（左图）和维氏硬度Hv（右图）.
总结/展望：
该研究为碳纳米管衍生的新型碳结构提供了理论预测，为实验合成具有优异性能的碳材料提供了指导。通过控制压力和碳纳米管的直径，研究团队展示了如何有效调控最终碳结构的密度和性能。这一发现为该类碳材料在电子器件、超硬材料等领域的应用开辟了新的可能性。
Cite this: Xie, S.; Ni, K.; Zhu, Y. Nanotube Derived Ordered Carbons Predicted by Neural Network Potential. Precision Chemistry 2025. https://doi.org/10.1021/prechem.5c00020.