چکیده
طراحی مواد جدید و سپسمحاسبه خواصآن ها یکی از نیازهای فناوری نوین است. درحالی که در گذشته نه چندان دور طراحی و کشف
مواد جدید و محاسبه خواصآن ها به دلیل هزینه های سنگین آزمایشگاهی به شدت محدود بود، اما امروزه با پیشرفت روش های محاسباتی
این گونه نیست. با وجود این که در این کار چالش برانگیز روش نظریه تابع چگالی به دلیل دقت مکانیک کوانتومی نقش مهمی را ایفا
کرده است، اما همواره به دلیل محاسبات زمان بر و سنگین باعثایجاد محدودیت هایی شده است. این درحالی استکه پتانسیل های تجربی
سرعتی به مراتب بالاتر دارند. ترکیب دقت روش نظریه تابع چگالی همراه با سرعت توابع تجربی از طریق پتانسیل های بین اتمی یادگیری
ماشین امکان پذیر است. در این رساله، نه ساختار کریستالی جدید برای سیستم های دو بعدی آلومینیوم-سولفاید و گالیوم-سولفاید براساس
روشالگوریتم ژنتیکبرپایه نظریه تابع چگالی و روشتصادفی برپایه پتانسیل های یادگیری ماشین طراحی شده است. همچنین یازده ساختار
100 طراحیشده است. سپسپایداریحرارتی، GPa کریستالیجدید برایسیستم سه بعدیگالیوم-سولفاید تحتاثر فشار هیدرواستاتیکتا
دینامیکی، ترمودینامیکی و مکانیکی هر یکاز ساختارهای دوبعدی و سه بعدی بررسی شده است. تمامی ساختارهای طراحی شده از نظر
دینامیکی و حرارتی تا حداقل دمای 600 درجه کلوین پایدار می باشند. خواصمکانیکی مواد طراحی شده همچون مدول یانگ، مدول برشی
و نسبتپواسون در همه راستا ها بررسی شده و همسانگردی و غیر همسانگردی آن ها مشخصشده است. یافته های ما نشان می دهد فاز جدید
سخت ترین فاز می باشد. برایساختار هایسه بعدیانقال فاز تحتاثر فشار هیدرواستاتیکبررسی Ga3S از ساختار 4 C2/m پیش بینی شده
مجموعه ای از انتقال فاز ها در Ga2S 40 مشاهده شد. در مقابل برای ترکیب 3 GPa یکانتقال فاز در فشار GaS شد. برای ساختار 2
57 را تجربه می کند. برایساختارهایدو بعدی GPa نیز دو انتقال فاز از در فشارهای 9 و GaS 12 پیش بینی شد. ترکیب GPa فشارهای 8 و
-39/ 6 و از 09 / 1- تا 31 / خواصپیزوالکتریکو تحرکحامل ها محاسبه شده است. ضرایب پیزوالکتریکداخل و خارج از صفحه از 91
1 می باشد. همچنین برای ساختار دی سولفیدمولیبدن -14 Cm2V-1 s- به ترتیب می باشد و تحرکحامل ها در بازه 1 pm/V 0/ تا 41
یکپتانسیل یادگیری ماشین براساسروشتانسور پتانسیل ممان طراحی شده است. بعد از به دستآوردن تابع پتانسیل یادگیری ماشین یک
شبیه سازی تستکششتکمحوره، با استفاده از روشدینامیکمولکولی برروی این ماده انجام شده استو خواصمکانیکی ماده موردنظر
ارزیابی شده است. نتایج به دست آمده برای این ماده با کارهای آزمایشگاهی موجود و روشنظریه تابع چگالی مقایسه شده است. همچنین
تاثیر دما و عیب تهی جا نیز برروی خواصمکانیکی مطالعه شده است. با افزایشدما و افزایشمقدار عیوب ساختاری مطابق انتظار خواص
مکانیکی کاهش پیدا کرده اند که نشان می دهد پتانسیل طراحی شده برای ساختارهای دارای عیب نیز می تواند استفاده شود. از آنجایی که
نتایج آزمایشگاهی گزارش شده دارای پراکندگی زیادی هستند نتایج این تحقیق می تواند به عنوان راهنمایی برای مطالعات آزمایشگاهی
به منظور پیش بینی دقیق خواصنانو مواد مورد توجه قرار گیرد. همچنین یافته های ما، نه تنها خانواده مواد دوبعدی و سه بعدی برپایه سولفور را
گسترشمی دهد بلکه باتوجه به خواصمنحصربه فرد این مواد، کاربردهای بالقوه آن ها در حوزه های مختلففناوری را نشان می دهد.
کلمات کلیدی
مکانیککوانتومی ، دینامیکمولکولی ، پتانسیل های بین اتمی یادگیری ماشین ، طراحی مواد ، خواصمکانیکی ، خواصپیزوالکتریکو
انتقال فاز