6. Nanoscale Ballistic Response of Bilayer Graphene: ML-Driven Approach

In diesem Kapitel wird das mechanische Verhalten von Bilayer Graphen (BLG) unter Hochgeschwindigkeitseinflüssen untersucht, wobei maschinelles Lernen (ML) und molekulardynamische Simulationen (MD) herangezogen werden. Die Studie konzentriert sich auf zwei Schlüsselkonfigurationen von BLG - AA und AB Stacking - und untersucht ihre Reaktion auf Projektileinschläge im Bereich von 1 bis 7 km / s. Die Untersuchungen zeigen deutliche Schadensmuster, die in vier Stadien eingeteilt sind: Erholung ohne Schäden, partielle Penetration mit einer beschädigten Schicht, partielle Penetration mit beiden beschädigten Schichten und vollständige Penetration. Die Integration von ML-Modellen, insbesondere Gradientenerhöhungsregressor und Light Gradient Boosting Machine (LGBM) -Klassifikator, ermöglicht eine präzise Vorhersage der Penetrationsenergie und Schadensklassifizierung. Die Ergebnisse unterstreichen das außergewöhnliche Verhältnis von Festigkeit und Gewicht von Graphen und machen es zu einem vielversprechenden Kandidaten für ballistische Anwendungen. Das Kapitel bietet auch praktische Einblicke in den Einsatz von MD-Simulationen und ML-Modellen zur Charakterisierung von Materialien im Nanomaßstab und bietet einen datengestützten Ansatz zum Verständnis und zur Verbesserung der Leistungsfähigkeit fortgeschrittener Materialien.