本论文使用模型主要有Mo,W,S,Se原子组成的单层二维材料。大小为30nmx30nm,中间有切口,切口大小从无切口以1nm增长到5nm,加载方向垂直于切口方向,并且分锯齿型和扶手椅型方向。
使用MD对模型进行拉伸,一共288个模型。
MD模型条件设置:然后使用NVE系综将系统平衡50 ps,然后在操作温度下使用等温等压(NPT)系综平衡100ps。使用正则(NVT)系综沿先前产生的裂纹垂直方向沿着施加𝟏𝟎−𝟗𝒔的恒定应变速率。
其中主要参数有拉伸温度,切口大小,原子质量,拉伸方向,应变,应力,断裂应变,断裂应变和杨氏模量。
本文还说明应变率对拉伸性能的影响较少,所以并没有将应变率作为主要参数。
使用两个机器学习模型:长短期记忆(LSTM)和前馈神经网络(FFNN)
MD模拟模型:
LSTM模型:
主要进行曲线预测,一共288个模型,每个模型拉伸步数为300(30%),以下是输入参数,输出参数为应力。
LSTM结构:
LSTM结果:
LSTM模型训练过程中的损失
LSTM模型的不同样本的决定系数:(a)训练样本,(B)验证样本,(c)测试样本。
LSTM模型预测结果与MD模拟结果的比较:(a)断裂应力和(b)断裂应变
用于测试数据样本的LSTM模型预测
FFNN模型:
主要进行点预测,一共288个模型,每个模型拉伸5次,即1440个数据。输入参数如下,输出参数有断裂应变,断裂应力和杨氏模量。
FFNN结构:
FFNN结果:
FFNN模型训练过程中的损失
FFNN模型预测结果与MD模拟结果的比较:(a)断裂应力,(b)断裂应变,(c)杨氏模量。