在二維熱電與熱管理設計中，如何在海量層狀異質結構里快速找到“更低熱導”的構型，一直是高通量計算的難點。近期發表于《Applied Thermal Engineering》的論文《Neural networks accelerate discovery of ultralow thermal conductivity configurations in disordered graphene/h-BN multilayers》中，研究團隊把神經網絡主動學習與 GPUMD 中的非平衡分子動力學（NEMD）結合，用極少代價從 6700 萬種 gra/h-BN 隨機多層結構里篩出了最低熱導候選。需要說明的是，本文并未直接訓練 NEP 勢，但它非常直觀地展示了 GPUMD 與機器學習協同探索大設計空間的能力，這類范式對 NEP 驅動的熱輸運篩選同樣很有參考價值。

作者先用 300 個隨機結構建立初始數據集，再由神經網絡預測全部 2^26 個候選構型的熱導率，并在每輪挑出 100 個最低預測值結構交給 GPUMD 做 NEMD 驗證，不斷擴充訓練集。經過三步超參數優化后，模型測試集 MSE 降到 0.0008 W m^-1 K^-1，MAPE 為 3.8%；最終只評估了 1300 個構型，也就是全部設計空間的 0.0019%，卻把等效暴力搜索的計算成本壓縮了 51622 倍。

圖1：神經網絡主動學習 + GPUMD/NEMD 的超低熱導搜索流程

最關鍵的結果是，優化得到的無序 graphene/h-BN 隨機多層結構（GH-RML）在 300 K 下實現了 0.56 ± 0.02 W/mK 的超低跨面熱導率，比人工隨機搜索得到的最低值 0.77 W/mK 還低 27.2%，也明顯低于周期超晶格的最低水平。這說明真正的優勢不在“多算”，而在“快速預測 + 高效驗證”的閉環。

圖2：平均周期長度與最優無序構型，對應最低熱導率 κ = 0.56 W/mK

最低熱導并不出現在最規則的超晶格，而是出現在平均周期長度約 1.05 nm 的無序結構中；相比之下，周期超晶格的最低點出現在 2.8 nm。作者進一步用聲子參與率（PPR）和無序度分析表明：適中的層厚無序（δ = 0.376）疊加較高的排布無序，最有利于打斷相干聲子傳輸、增強聲子局域化，從而把熱導率繼續壓低。

文章信息：

Qiao Chen, Dongyang Li, Bing Yang, Yunqing Tang*, Lin Li*. Neural networks accelerate discovery of ultralow thermal conductivity configurations in disordered graphene/h-BN multilayers. Applied Thermal Engineering 292 (2026) 130338.

文章鏈接：https://doi.org/10.1016/j.applthermaleng.2026.130338

在二維熱電與熱管理設計中，如何在海量層狀異質結構里快速找到“更低熱導”的構型，一直是高通量計算的難點。近期發表于《Applied Thermal Engineering》的論文《Neural networks accelerate discovery of ultralow thermal conductivity configurations in disordered graphene/h-BN multilayers》中，研究團隊把神經網絡主動學習與 GPUMD 中的非平衡分子動力學（NEMD）結合，用極少代價從 6700 萬種 gra/h-BN 隨機多層結構里篩出了最低熱導候選。需要說明的是，本文并未直接訓練 NEP 勢，但它非常直觀地展示了 GPUMD 與機器學習協同探索大設計空間的能力，這類范式對 NEP 驅動的熱輸運篩選同樣很有參考價值。

作者先用 300 個隨機結構建立初始數據集，再由神經網絡預測全部 2^26 個候選構型的熱導率，并在每輪挑出 100 個最低預測值結構交給 GPUMD 做 NEMD 驗證，不斷擴充訓練集。經過三步超參數優化后，模型測試集 MSE 降到 0.0008 W m^-1 K^-1，MAPE 為 3.8%；最終只評估了 1300 個構型，也就是全部設計空間的 0.0019%，卻把等效暴力搜索的計算成本壓縮了 51622 倍。

圖1：神經網絡主動學習 + GPUMD/NEMD 的超低熱導搜索流程

最關鍵的結果是，優化得到的無序 graphene/h-BN 隨機多層結構（GH-RML）在 300 K 下實現了 0.56 ± 0.02 W/mK 的超低跨面熱導率，比人工隨機搜索得到的最低值 0.77 W/mK 還低 27.2%，也明顯低于周期超晶格的最低水平。這說明真正的優勢不在“多算”，而在“快速預測 + 高效驗證”的閉環。

圖2：平均周期長度與最優無序構型，對應最低熱導率 κ = 0.56 W/mK

最低熱導并不出現在最規則的超晶格，而是出現在平均周期長度約 1.05 nm 的無序結構中；相比之下，周期超晶格的最低點出現在 2.8 nm。作者進一步用聲子參與率（PPR）和無序度分析表明：適中的層厚無序（δ = 0.376）疊加較高的排布無序，最有利于打斷相干聲子傳輸、增強聲子局域化，從而把熱導率繼續壓低。

文章信息：

Qiao Chen, Dongyang Li, Bing Yang, Yunqing Tang*, Lin Li*. Neural networks accelerate discovery of ultralow thermal conductivity configurations in disordered graphene/h-BN multilayers. Applied Thermal Engineering 292 (2026) 130338.

文章鏈接：https://doi.org/10.1016/j.applthermaleng.2026.130338

來源：GPUMD與NEP