碳纳米材料以其独特的晶体结构,优异的各项性能以及在微纳机电系统等领域中巨大的应用前景,引起了人们广泛的关注。调控碳纳米材料的各项性能,扩大其应用范围,满足新的应用需求一直是碳纳米材料领域研究的热点。特别地,有效地调控碳纳米材料的力学性能和导热性能对于碳纳米材料在柔性电子器件、能源转换、防护结构和复合材料性能增强等方面的应用有着重要的意义。研究表明可以通过缺陷工程、官能化改性、填充等方式调控碳纳米材料的力学性能和导热性能。本文通过分子动力学方法和机器学习方法进一步对调控碳纳米材料的力热性能进行了研究,发现氧化作用、褶皱程度、富勒烯填充作用和纳米结构设计等因素对碳纳米材料的力热性能有着重要影响,主要内容如下:(1)研究了氧化作用对石墨烯泊松比的影响,揭示了去褶皱效应是导致石墨烯产生负泊松比现象的原因,为调控石墨烯的泊松比提供了新的策略。具体如下:我们计算了具有不同氧化浓度的石墨烯的泊松比,目的在于寻找泊松比与氧化浓度之间的关系。结果表明,石墨烯的泊松比随氧化浓度p∈[0,1.0]的增加而近似线性减小;当氧化浓度p=0.27时,石墨烯的泊松比由正转为负值;当石墨烯完全氧化即p=1.0时,泊松比达到最小值-0.567。氧化作用使石墨烯泊松比减小的原因是氧化作用产生的褶皱在拉伸过程中会被展平而在垂直于拉伸方向发生膨胀,即去褶皱效应。我们还研究了不同氧化浓度下温度对石墨烯泊松比的影响。(2)研究了褶皱程度对褶皱石墨烯稳定性的影响,揭示了临界褶皱程度与自吸附现象密切相关,为获得具有稳定性的褶皱石墨烯提供了理论参考。具体如下:我们模拟了石墨烯在静水压缩作用下和双轴压缩作用下的褶皱过程。结果表明,静水压缩作用下和双轴压缩作用下褶皱石墨烯的临界褶皱程度分别约为0.5和0.55,当褶皱程度高于临界褶皱程度时,去掉外力后,褶皱石墨烯不能回到初始的平面状态,即褶皱石墨烯具有稳定性。临界褶皱程度与自吸附现象密切相关,而自吸附现象会导致吸附能急剧下降。基于平衡弯曲能与吸附能竞争关系的解析模型给出的临界褶皱程度与分子动力学模拟的结果相吻合。(3)研究了富勒烯填充作用对碳纳米管热导率的影响,揭示了富勒烯与碳纳米管之间的相互作用是影响碳纳米管热导率的主要因素,为调控碳纳米管的热导率提供了新的手段。具体如下:我们计算了不同管径的碳纳米管在填充富勒烯后的热导率。结果表明,当n=8和9时,即碳纳米管管径较小时,富勒烯填充作用会显著降低碳纳米管(n,n)的热导率,这是因为碳纳米管和富勒烯之间强烈的相互作用会引起声子-声子散射的增加和声速的下降。与之相反,当n=10和11时,即碳纳米管管径较大时,富勒烯填充作用会轻微增加碳纳米管(n,n)的热导率,这是因为富勒烯与碳纳米管之间的相互作用较弱,填充在碳纳米内部的富勒烯不会引起明显的声子-声子散射的增加或声速的下降,相反,富勒烯提供了 一个额外的传热通道。我们的模拟工作可以帮助解释以往的理论研究结果和实验结果之间的差异。(4)运用机器学习方法反向设计了多孔石墨烯高热阻结构,揭示了卷积神经网络可以基于少量数据快速有效地提取使多孔石墨烯热阻增大的孔洞排布特征,为机器学习方法在纳米结构设计领域的应用及调控多孔石墨烯的热导率提供了新的思路。具体如下:我们测试了不同的卷积神经网络模型在预测多孔石墨烯热导率上的表现,结果表明一个具有三个卷积层和一个全连接层的卷积神经网络可以有效提取多孔石墨烯的特征,并对其热导率作出较为准确的预测(与分子动力学结果相比)。运用卷积神经网络模型搜索算法在小规模样本空间的体系上的反向设计结果表明:卷积神经网络基于少量数据即可找到多孔石墨烯热阻最大的结构。卷积神经网络模型在大规模样本空间的体系上的反向设计结果表明孔洞呈列状垂直于热流方向分散布置是增大石墨烯热阻的主要特征。我们关于氧化作用、褶皱程度、富勒烯填充作用和纳米结构设计等因素对碳纳米材料力热性能影响的研究结果,不仅为调控碳纳米材料的力热性能提供了新的策略,而且成功将卷积神经网络方法应用在多孔石墨烯的结构设计中,为孔洞纳米结构的研究提供了一个新的手段和思路。