인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
Strain and defect engineering have profound applications in two‐dimensional materials, where it is important to determine the equilibrated atomistic structures with defect conditions under mechanical deformations for computational materials design. Nevertheless, how to efficiently predict relaxed atomistic structures and the associated physical fields on each atom or bond under evolving mechanical deformations remains as an essential challenge. To address this issue, a deep neural network architecture is designed to embed the state of applied strains into the defect‐engineered atomistic geometry, so that deformation‐coupled physical fields of interests on atoms or bonds can be predicted or derived over continuous state of deformations. For demonstration, the combination of applied tensile strains and shear strain on monolayer graphene with random distribution of Stone–Wales defects and vacancy defects is considered. The unique advantage of this framework is the development of strain‐embedding concept combined with generative adversarial network, which can be feasibly extended to other material and other conditions. The computational approach sheds light on boosting the efficiency of evaluating physical properties of 2D materials under complex strain and defect states.
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
