机器学习加速预测SiC纳米声子异质结的力学性能

doi:10.16553/j.cnki.issn1000-985x.2025.0207

摘要/Abstract

摘要： 为系统研究温度与孔隙几何对SiC纳米声子异质结（NHs）力学性能的耦合影响，本研究采用分子动力学模拟结合随机森林机器学习方法，分析了在50～500 K温度范围内、具有不同矩形声子晶体孔径及长宽比、并分别沿armchair和zigzag晶向构建界面的SiC NHs在单轴拉伸下的断裂行为。结果表明：随着温度升高，SiC NHs的断裂强度与断裂应变分别下降20%～32%和26%～35%；矩形声子孔沿拉伸方向的孔长是控制断裂强度的主导几何参数，具有armchair界面的SiC NHs的断裂强度整体较zigzag界面的提高15%～20%，大孔径声子孔会显著加剧局部应力集中与热软化效应。基于分子动力学模拟数据构建的随机森林模型在SiC NHs断裂性能预测中具有较高精度（R²=0.99），计算效率比分子动力学拉伸模拟提升约600倍，可为SiC纳米器件中SiC NHs的可控制备与力学性能设计提供理论支撑与快速预测工具。

关键词: SiC纳米声子异质结; 力学性能; 分子动力学; 随机森林; 机器学习

Abstract: To systematically investigate the coupled effects of temperature and pore geometry on the mechanical properties of SiC nanophononic heterostructures （NHs），molecular dynamics simulations combined with a random forest machine learning method are employed to analyze the fracture behavior of SiC NHs under uniaxial tension in the temperature range from 50 K to 500 K. The models feature different pore sizes and aspect ratios of rectangular phononic crystal pores，with interfaces constructed along the armchair and zigzag crystal orientations. The results show that，as temperature increases，the fracture strength and fracture strain of SiC NHs decrease by 20%~32% and 26%~35%，respectively. The pore length of the rectangular phononic pores along the loading direction is identified as the dominant geometric parameter controlling the fracture strength. SiC NHs with armchair interfaces exhibit fracture strengths approximately 15%~20% higher than those with zigzag interfaces，and larger phononic pore sizes significantly intensify local stress concentration and thermal softening effects. The random forest model constructed based on molecular dynamics simulation data achieves high accuracy （R²=0.99） in predicting the fracture properties of SiC NHs，while its computational efficiency is about 600 times higher than that of molecular dynamics tensile simulations. This work provides theoretical support and a fast prediction tool for the controllable fabrication and mechanical performance design of SiC NHs in SiC nano-devices.

Key words: SiC NH; mechanical property; molecular dynamics; random forest; machine learning

中图分类号:

O471.5

杜伊凡, 刘劲松, 姜萍, 任龙军. 机器学习加速预测SiC纳米声子异质结的力学性能[J]. 人工晶体学报, 2026, 55(2): 291-300.

DU Yifan, LIU Jingsong, JIANG Ping, REN Longjun. Machine Learning Accelerated Prediction of Mechanical Properties in SiC Nanophononic Heterostructures[J]. Journal of Synthetic Crystals, 2026, 55(2): 291-300.

图/表 6

图1 SiC NHs的原子结构及声子晶体孔隙示意图。（a） SiC NHs的原子结构；（b）纳米声子孔

Fig.1 Schematic diagram of atomic structure and phononic crystal pores of SiC NHs. （a） Atomic structure of SiC NHs；（b） nano phonon pores

图2 不同声子晶体尺寸（2×2、2×3、2×4、3×2、3×3、3×4、4×2、4×3和4×4）下armchair界面的SiC NHs的应力-应变曲线

Fig.2 Stress-strain curves of SiC NHs at armchair interface under different sizes （2×2，2×3，2×4，3×2，3×3，3×4，4×2，4×3，and 4×4） of phononic crystals

图3 不同声子晶体尺寸（2×2、2×3、2×4、3×2、3×3、3×4、4×2、4×3和4×4）下zigzag界面的SiC NHs的应力-应变曲线

Fig.3 Stress-strain curves of SiC NHs at zigzag interface under different sizes （2×2，2×3，2×4 3×2，3×3，3×4，4×2，4×3，and 4×4） of phononic crystals

图4 不同声子晶体尺寸（2×2、2×3、2×4、3×2、3×3、3×4、4×2、4×3和4×4）下armchair和zigzag界面的SiC NHs的初始裂纹图

Fig.4 Initial crack diagrams of SiC NHs at armchair and zigzag interfaces under different sizes （2×2，2×3，2×4，3×2，3×3，3×4，4×2，4×3，and 4×4） of phononic crystals

图5 计算得到不同温度的armchair界面和zigzag界面下SiC NHs的断裂应变-温度关系和断裂应力-温度关系

Fig.5 Calculate fracture strain-temperature and fracture stress-temperature for SiC NHs at armchair and zigzag interface with different temperatures

图6 基于随机森林的SiC NHs力学性能预测模型及结果分析。（a）基于随机森林模型的搜索算法示意图；（b）特征值对目标函数的灵敏度；（c）SiC NHs的断裂应变；（d）断裂应力在试验集上的拟合度

Fig.6 Prediction model and result analysis of mechanical properties of SiC NHs based on random forest. （a） Schematic diagram of search algorithm based on random forest model；（b） sensitivity of eigenvalues to objective function；（c） fracture strain of SiC NHs；（d） fitting results of fracture stress on test set

参考文献 24

[1]	潘多桥，庞国旺，刘晨曦，等. 双轴应变对g-ZnO/WS₂异质结电子结构及光学性质影响的第一性原理计算［J］. 人工晶体学报，2022，51（7）：1202-1211+1226.
	PAN D Q，PANG G W，LIU C X，et al. First-principles calculation of influence of biaxial strain on electronic structure and optical properties of g-ZnO/WS₂ heterojunction［J］. Journal of Synthetic Crystals，2022，51（7）：1202-1211+1226 （in Chinese）.
[2]	刘劲松，沈　露，任龙军，等. 通过缺陷和应变工程控制Janus MoSSe的析氢反应［J］. 人工晶体学报，2025，54（6）：1034-1041.
	LIU J S，SHEN L，REN L J，et al. Controlling hydrogen evolution reaction of Janus MoSSe by defect and strain engineering［J］. Journal of Synthetic Crystals，2025，54（6）：1034-1041 （in Chinese）.
[3]	任龙军，柴什虎，王付远，等. 具有超高载流子迁移率单层C₂B₆的预测［J］. 人工晶体学报，2025，54（5）：850-856.
	REN L J，CHAI H，WANG F Y，et al. Prediction of monolayer C₂B₆ with ultra-high carrier mobility［J］. Journal of Synthetic Crystals，2025，54（5）：850-856 （in Chinese）.
[4]	皇甫路遥，戴梦德，南海燕，等. 二维MoS₂/WSe₂异质结的光电性能研究［J］. 人工晶体学报，2021，50（11）：2075-2080.
	HUANGFU L Y，DAI M D，NAN H Y，et al. Optoelectronic properties of two-dimensional MoS₂/WSe₂ heterojunction［J］. Journal of Synthetic Crystals，2021，50（11）：2075-2080 （in Chinese）.
[5]	陈宇欣，姚金实，葛静敏，等. 二硫化钼纳米材料增强电化学析氢性能研究进展［J］. 中国钼业，2023，47（6）：1-9.
	CHEN Y X，YAO J S，GE J M，et al. Research progress on enhanced electrochemical hydrogen evolution performance of molybdenum disulfide nanomaterials［J］. China Molybdenum Industry，2023，47（6）：1-9 （in Chinese）.
[6]	郭灵岚，张弘昊，张鑫泉，等. 超快激光加工二维材料研究进展［J］. 焊接学报，2023，44（12）：97-105+143.
	GUO L L，ZHANG H H，ZHANG X Q，et al. Research progress on ultrafast laser processing of two-dimensional materials［J］. Transactions of the China Welding Institution，2023，44（12）：97-105+143 （in Chinese）.
[7]	王　克，汤　飞，姚孝璋，等. 炭纸衬底上化学气相沉积直立型二维过渡金属硫化物及其电催化产氢性能［J］. 新型炭材料（中英文），2022，37（6）：1183-1192.
	WANG K，TANG F，YAO X Z，et al. Chemical vapor deposition of two-dimensional transition metal sulfides on carbon paper for electrocatalytic hydrogen evolution［J］. New Carbon Materials，2022，37（6）：1183-1192 （in Chinese）.
[8]	陈艺全. 二维纳米碳材料的制备及其在苯甲醇选择性氧化反应中的应用［J］. 化学工程师，2023，37（12）：1-5.
	CHEN Y Q. Preparation of two-dimensional carbon nanomaterials and their application in the selective oxidation reaction of benzyl alcohol［J］. Chemical Engineer，2023，37（12）：1-5 （in Chinese）.
[9]	POMERANTSEVA E，GOGOTSI Y. Two-dimensional heterostructures for energy storage［J］. Nature Energy，2017，2：17089.
[10]	REN K，WANG F F，LIU T Y，et al. Wrinkles in 2D TMD heterostructures：unlocking enhanced hydrogen evolution reaction catalysis［J］. Journal of Materials Chemistry A，2025，13（26）：20859-20867.
[11]	YAN Y，CHEN K Y，SUN M L，et al. Deciphering the stability of two-dimensional III-V semiconductors：building blocks and their versatile assembly［J］. Science Advances，2025，11（27）：eadu5294.
[12]	POLLEY C M，FEDDERWITZ H，BALASUBRAMANIAN T，et al. Bottom-up growth of monolayer honeycomb SiC［J］. Physical Review Letters，2023，130（7）：076203.
[13]	REN K，REN C D，LUO Y，et al. Using van der Waals heterostructures based on two-dimensional blue phosphorus and XC （X=Ge，Si） for water-splitting photocatalysis：a first-principles study［J］. Physical Chemistry Chemical Physics，2019，21（19）：9949-9956.
[14]	罗建仁，王相虎，樊天曜，等. SiC衬底上β-Ga₂O₃薄膜生长及p-SiC/n-β-Ga₂O₃异质结光伏特性［J］. 人工晶体学报，2021，50（12）：2219-2224.
	LUO J R，WANG X H，FAN T Y，et al. β-Ga₂O₃ films growth on SiC substrate and p-SiC/n-β-Ga₂O₃ heterojunction photovoltaic properties［J］. Journal of Synthetic Crystals，2021，50（12）：2219-2224 （in Chinese）.
[15]	REN K，WANG K，LUO Y，et al. Ultralow frequency interlayer mode from suppressed van der Waals coupling in polar Janus SMoSe/SWSe heterostructure［J］. Materials Today Physics，2025，53：101689.
[16]	REN K，SUN M L. Thermal transport in 2D materials［J］. Journal of Applied Physics，2025，137（13）：130402.
[17]	OKASHA N M，MIRRASHID M，NADERPOUR H，et al. Machine learning approach to predict the mechanical properties of cementitious materials containing carbon nanotubes［J］. Developments in the Built Environment，2024，19：100494.
[18]	LIANG Y，WEI X Y，PENG Y Y，et al. A review on recent applications of machine learning in mechanical properties of composites［J］. Polymer Composites，2025，46（3）：1939-1960.
[19]	REN K，HUANG L，SHU H B，et al. Impacts of defects on the mechanical and thermal properties of SiC and GeC monolayers［J］. Physical Chemistry Chemical Physics，2023，25（47）：32378-32386.
[20]	TERSOFF J. Modeling solid-state chemistry：interatomic potentials for multicomponent systems［J］. Physical Review B，1989，39（8）：5566-5568.
[21]	DAVIS B L，HUSSEIN M I. Nanophononic metamaterial：thermal conductivity reduction by local resonance［J］. Physical Review Letters，2014，112（5）：055505.
[22]	ALAIE S，GOETTLER D F，SU M，et al. Thermal transport in phononic crystals and the observation of coherent phonon scattering at room temperature［J］. Nature Communications，2015，6：7228.
[23]	ALONSO-REDONDO E，SCHMITT M，URBACH Z，et al. A new class of tunable hypersonic phononic crystals based on polymer-tethered colloids［J］. Nature Communications，2015，6：8309.
[24]	罗天麟，丁亚飞，韦宝杰，等. 低维微纳尺度体系声子热传导和热调控：来自芯片散热的非平衡统计物理问题［J］. 物理学报，2023，72（23）：234401.
	LUO T L，DING Y F，WEI B J，et al. Phononic thermal conduction and thermal regulation in low-dimensional micro-nano scale systems：nonequilibrium statistical physics problems from chip heat dissipation［J］. Acta Physica Sinica，2023，72（23）：234401 （in Chinese）.