Machine learning assisted insights into the mechanical strength of nanocrystalline graphene oxide

石墨烯 材料科学 极限抗拉强度 纳米晶材料 氧化物 机械强度 脆性 纳米技术 复合材料 冶金
作者
Yihua Xu,Qiao Shi,Ziyue Zhou,Ke Xu,Yan‐Wen Lin,Li Yang,Zhisen Zhang,Jianyang Wu
出处
期刊:2D materials [IOP Publishing]
卷期号:9 (3): 035002-035002 被引量:13
标识
DOI:10.1088/2053-1583/ac635d
摘要

Abstract The mechanical properties of graphene oxides (GOs) are of great importance for their practical applications. Herein, extensive first-principles-based ReaxFF molecular dynamics (MD) simulations predict the wrinkling morphology and mechanical properties of nanocrystalline GOs (NCGOs), with intricate effects of grain size, oxidation, hydroxylation, epoxidation, grain boundary (GB) hydroxylation, GB epoxidation, GB oxidation being considered. NCGOs show brittle failures initiating at GBs, obeying the weakest link principle. By training the MD data, four machine learning models are developed with capability in estimating the tensile strength of NCGOs, with sorting as eXtreme Gradient Boosting (XGboost) > multilayer perceptron > gradient boosting decision tree > random forest. In the XGboot model, it is revealed that the strength of NCGOs is greatly dictated by oxidation and grain size, and the hydroxyl group plays more critical role in the strength of NCGOs than the epoxy group. These results uncover the pivotal roles of structural signatures in the mechanical strength of NCGOs, and provide critical guidance for mechanical designs of chemically-functionalized nanostructures.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
makabaka发布了新的文献求助30
1秒前
鱼干铺完成签到,获得积分10
1秒前
2秒前
2秒前
平常的毛豆应助霸气雪珍采纳,获得10
3秒前
3秒前
4秒前
刘炜完成签到,获得积分10
4秒前
ding应助shenlu采纳,获得20
4秒前
嗨嗨完成签到,获得积分10
4秒前
4秒前
火星上的天思完成签到,获得积分10
4秒前
king发布了新的文献求助10
4秒前
健壮的怜南完成签到,获得积分10
5秒前
yiyi发布了新的文献求助10
5秒前
CA274ABTFY完成签到,获得积分10
5秒前
科研通AI2S应助小巧的糊糊采纳,获得10
6秒前
6秒前
zf发布了新的文献求助10
6秒前
xuejie完成签到,获得积分10
7秒前
平常易烟完成签到,获得积分10
7秒前
7秒前
7秒前
莫尔蓝发布了新的文献求助10
8秒前
johnny完成签到,获得积分10
9秒前
sow发布了新的文献求助10
9秒前
9秒前
10秒前
打打应助gqjq采纳,获得10
10秒前
11秒前
今后应助追寻紫安采纳,获得10
12秒前
yzzzz发布了新的文献求助10
12秒前
13秒前
北觅发布了新的文献求助10
13秒前
14秒前
Ana发布了新的文献求助10
14秒前
lalala发布了新的文献求助10
15秒前
shenlu完成签到,获得积分10
15秒前
科目三应助莫尔蓝采纳,获得10
16秒前
司阳0367应助小西瓜采纳,获得10
17秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 890
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
Fundamentals of Dispersed Multiphase Flows 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3259189
求助须知:如何正确求助?哪些是违规求助? 2900827
关于积分的说明 8312730
捐赠科研通 2570168
什么是DOI,文献DOI怎么找? 1396235
科研通“疑难数据库(出版商)”最低求助积分说明 653448
邀请新用户注册赠送积分活动 631457