类金刚石碳的形成与所谓的不同

阿尔托大学和剑桥大学的研究人员通过将原子级建模和机器学习相结合，在计算科学方面取得了重大突破。该方法首次用于逼真地模拟在原子水平上如何形成无定形材料：即，不具有规则晶体结构的材料。预计该方法将对许多其他材料的研究产生影响。

“我们成功的秘诀在于机器学习，通过它我们可以在很长一段时间内模拟成千上万个原子的行为。通过这种方式，我们获得了更准确的模型，博士后研究员Miguel Caro解释道。

该团队的模拟显示，类似钻石的碳膜在原子水平上形成的方式与想象的不同。过去30年来对无定形碳膜形成机理的普遍理解是基于假设和间接实验结果。到目前为止，既没有好的，也没有足够的原子级模型。这种新方法现在推翻了早期的定性模型，并提供了形成机制的精确原子级图像。

早些时候，人们认为无定形碳膜是在原子在一个小区域内堆积在一起时形成的。我们已经证明机械冲击波可以导致类金刚石原子的形成进一步远离撞击原子撞击目标的位置，Caro说，他对CSC(IT科学中心)超级计算机进行了模拟，对沉积进行了建模成千上万的原子。

结果为研究开辟了重要的新途径

无定形碳有无数不同的用途。它在许多机械应用中用作涂层，例如汽车电机。此外，该材料还可用于医疗目的和各种能源相关的生物和环境应用。

“对我们来说，最重要的应用是生物传感器。我们使用非常薄的无定形碳涂层来识别不同的生物分子。在这些应用中，了解薄膜的电学，化学和电化学特性以及能够为特定应用定制材料尤为重要，Tomi Laurila教授解释道。

Leverhulme早期职业研究员Volker Deringer博士对将这些方法用于无定形材料特别感兴趣。

Deringer和Caro总结说，“团队合作取得了巨大的成功”，他们通过持续的访问继续他们的机构之间的合作。该团队希望他们的方法能够帮助许多其他人进行实验材料研究，因为它可以提供与量子力学方法接近的精确度的材料信息，但同时可以利用数千个原子和长的模拟时间。这两者对于实验过程的真实图像非常重要。

“我对这种方法为进一步研究提供的机会感到特别兴奋。这种原子级模型产生可验证的正确结果，与实验结果非常吻合，也首次揭示了结果背后的原子级现象。例如，使用该模型，我们可以预测哪种碳表面最适合测量神经递质多巴胺和5-羟色胺'，Laurila说。