研究进展：石墨烯富勒烯摩擦学机理的原子尺度见解和性能的机器学习预测

近日，我所在石墨烯富勒烯摩擦学机理研究及摩擦性能预测方面取得新进展,最新研究成果以“Atomic-Scale Insights Into Graphene/Fullerene Tribological Mechanisms and Machine Learning Prediction of Properties”为题在摩擦学领域专业期刊《ASME Journal of Tribology》上发表。该成果以合肥工业大学为唯一署名单位，博士研究生邱峰为论文第一作者，胡献国教授为论文通讯作者。

研究背景

石墨烯富勒烯碳基纳米颗粒因具有优异的力学特性，独特的纳米尺寸效应等特点引起了摩擦学领域的广泛关注，并在固液两相润滑体系中表现出优异的摩擦学性能。但目前摩擦学机理的提出均依赖于摩擦性能的改善和磨痕表面的分析进行的推测假设，缺乏原子尺度动态摩擦过程的深刻见解。此外，摩擦性能是一个受多因素综合影响的复杂非线性数学系统，数据驱动的人工智能和机器学习算法开启了多变量数据相关性研究的新范式，并在优化实验条件和缩短实验成本方面表现出巨大的内在潜力。

研究思路

本文旨在通过分子动力学模拟和摩擦学实验对比研究石墨烯富勒烯纳米颗粒微观尺度的摩擦学特性，充分揭示纳米颗粒的减摩抗磨机理以及二元添加剂体系的协同润滑效应，并基于多种传统机器学习和集成学习算法实现摩擦性能的预测和实验条件的优化。

主要贡献

研究结果表明石墨烯富勒烯纳米颗粒在流体润滑状态和边界润滑状态下表现出不同的摩擦学行为，归因于纳米颗粒发挥不同的摩擦学机理。

对于流体润滑状态，石墨烯纳米颗粒的加入有利于“液液”层间滑动的发生进而降低摩擦力，而富勒烯纳米颗粒的加入使润滑体系表现出“固液”界面滑动趋势导致摩擦力增加。而对于边界润滑状态，石墨烯/富勒烯纳米颗粒吸附锚定在金属界面形成物理保护膜提高润滑油膜承载能力，将微凸体之间的直接接触转变为石墨烯纳米片的层间滑动以及富勒烯纳米球的滚滑抛光，有效改善微凸体的摩擦温升和应力集中。且石墨烯富勒烯二元添加剂体系存在明显的协同润滑效应，归因于二维石墨烯纳米片弯曲形态吸附形成物理保护膜和零维富勒烯纳米球层间释放游离发挥“修补效应”和“纳米轴承”作用。

此外，多种机器学习算法均表现出低误差高精度，表明模型具有良好的预测和泛化能力，充分展示了分子模拟和机器学习相结合应用于摩擦学领域的可行性。

研究意义                     

研究将为宏观摩擦过程提供一定的微观尺度见解，揭示多变量数据相关性对摩擦性能的影响规律，使石墨烯富勒烯纳米颗粒更好的应用于固液两相润滑体系。

该研究工作得到了国家自然科学基金项目(52075141)的资助。

文章链接:https://doi.org/10.1115/1.4064402

文章引用：Feng Qiu, Hui Song, Weimin Feng, Zhiquan Yang, Ziyan Lu, Xianguo Hu, Atomic-scale insights into graphene/fullerene tribological mechanisms and machine learning prediction of properties, ASME Journal of Tribology，2024, 146(6):062102.

 图：分子模拟和摩擦实验模型示意图