[口头报告]基于机器学习解析原子排列结构对类金刚石薄膜硬度和应力的影响机制

基于机器学习解析原子排列结构对类金刚石薄膜硬度和应力的影响机制
编号:426 稿件编号:438 访问权限:仅限参会人 更新:2026-04-07 14:54:31 浏览:27次 口头报告

报告开始:2026年04月28日 15:20 (Asia/Shanghai)

报告时间:10min

所在会议:[B] 薄膜科技论坛 » [B2] B下午场

暂无文件

摘要
开发高硬度低应力的类金刚石碳(DLC)薄膜是减摩耐磨涂层领域的研究热点。通常认为DLC的硬度和应力均和sp3含量呈正相关关系,因此降低应力会导致硬度同步降低,但大量研究表明,即便sp3含量相同,DLC的硬度和应力也可能存在较大的浮动范围。鉴于此,本文采用分子动力学手段构建了一系列不同密度的DLC原子堆垛模型,发现DLC中存在大量无法饱和成键的碳原子(即悬挂键),构造了大量的非完整结构基元,因此形成了复杂的参数系统。对此,本文利用机器学习手段,探索了DLC硬度和应力的决定因素,结果表明DLC的硬度取决于完整sp3含量、完整sp3聚集度和平均键长,而DLC的应力取决于悬挂键比例、完整sp3聚集度和sp3原子总含量。对于高密度DLC,完整sp3占据主导,其比例的增加不仅能提升硬度,也能缓解压应力。而对于低密度DLC,完整sp3结构几乎消失,为非晶结构,此时硬度随着平均键长的缩短而增强,而拉应力随着悬挂键比例和sp3原子总含量的降低而缓解。
关键字
类金刚石薄膜;硬度和应力;机器学习;原子排列结构;悬挂键
报告人
何冲
研究生 北京大学深圳研究生院后浪实验室

稿件作者
何冲 北京大学深圳研究生院后浪实验室
发表评论
验证码 看不清楚,更换一张
全部评论
注册缴费 提交稿件