Zuvor haben die Vorarbeiten für 2D-Materialien die vielversprechende Photokatalyse in der zweidimensionalen MoSi2N4-Familie untersucht (Nano Energy, 82, 105716). Diese Arbeit schlägt ein robustes Konzept der First-Principles-Multiskalen-Modellierung mechanischer Eigenschaften vor, das auf maschinell lernenden interatomaren Potenzialen basiert, die effizient und schnell über kurze ab-initio-Datensätze trainiert werden können.
Wir zeigen, dass mechanische/Versagensreaktionen komplexer Nanostrukturen auf der Kontinuumsskala nun mit der Präzision anspruchsvoller First-Principles-Berechnungen, zu erschwinglichen Rechenkosten und ohne die Notwendigkeit empirischer Daten erforscht werden können. Ein solcher Ansatz zeigt ein großes Potenzial für die Entwicklung vollautomatischer und gekoppelter Plattformen, das Design, die Optimierung und die Erforschung verschiedener Materialeigenschaften auf Kontinuumsebene unter Berücksichtigung atomistischer Effekte und der inhärenten Präzision von First-Principles-Berechnungen.
