基底催化生長為碳納米結構的可控合成提供了一種非常有前途的方法。然而，動態催化表面上的生長機制和更一般的設計策略的發展仍然是持續的挑戰。
東北大學Hao Li、上海交通大學Linfa Peng和Di Zhang等展示了主動機器學習模型如何有效地揭示底物催化生長中涉及的微觀過程。
本文要點：
（1）
利用分子動力學和時間戳力偏蒙特卡羅方法的協同方法，并輔以高斯近似勢，作者對石墨烯在Cu(111)上的生長進行了全動態模擬。作者的發現準確地復制了基本的子過程——從碳單體/二聚體的優先擴散、鏈或環的形成到邊緣鈍化的銅輔助石墨烯生長和通過離子撞擊的鍵斷裂。
（2）
將作者的模擬擴展到金屬表面如Cu(111)、Cr(110)、Ti(001)和氧污染的Cu(111)上的碳沉積，作者的結果與實驗觀察緊密一致，為設計金屬或合金基底以獲得所需的碳納米結構和探索進一步的反應可能性提供了實用和有效的方法。
參考文獻:
Zhang, D., Yi, P., Lai, X. et al. Active machine learning model for the dynamic simulation and growth mechanisms of carbon on metal surface. Nat Commun 15, 344 (2024).
DOI: 10.1038/s41467-023-44525-z
https://doi.org/10.1038/s41467-023-44525-z
