二维材料生长机理研究:

以石墨烯和二硫化钼为代表的新型二维材料具有优异的物理化学性质,在光电器件和催化等领域具有重要应用。但大部分二维材料的生长体系复杂,生长机理尚不明确,难以精确控制其相组成、产物形貌、尺寸和质量。我们基于理论计算进行结构搜索和高通量筛选,研究新型二维材料成核、生长、相变等行为的热力学/动力学机理,追踪微观体系的动力学细节,预测其在特定化学环境下的结构与性质,解释实验中可能出现的各种现象。


发展结构生成算法,构建神经网络势函数:

只依据化学配比来确定材料结构历来是物理、化学和材料研究领域的难题,理论结构预测需要在庞大的结构群里寻找能量最低结构,极具挑战。当前普遍采用的「第一性原理计算」精度高、但极其消耗计算资源,严重制约所模拟体系的空间和时间尺度。我们在前期工作积累了足够的样本空间和可靠数据后,拟通过机器学习算法构建体系势能面,并通过深度学习等方法从已有结构中学习构建新的合理低能结构,从而可以进行高复杂度结构搜索,加深复杂生长问题的研究。