近期，浙江大学项荣教授、大连理工大学高峻峰教授、苏州实验室丁峰研究员、西湖大学李文彬研究员和大阪大学Kazu Suenaga教授等在过渡金属二硫族化物纳米管的可控生长方面取得了突破性进展。成果以“Preferred synthesis of armchair transition metal dichalcogenide nanotubes”（扶手椅型过渡金属二硫族化物纳米管的择优合成）为题于2026年8月21日正式发表在《科学》（Science）第393卷第6813期第783页。我校物理学院赵陆能为该论文的共同第一作者（计算模拟一作），高峻峰担任通讯作者。

当前，材料研究已深入原子尺度，表界面的重要性日益凸显。表界面既是材料结构的非连续点、物性的突变点，也是新物质生成的生长点。然而，表界面研究面临复杂化学键合与大体系规模的双重挑战。大连理工大学物理学院高峻峰团队自主开发了兼具密度泛函理论（DFT）精度与大规模计算能力的机器学习力场，在表界面的新材料预测、生长和相变、重构和催化动力学等复杂表界面材料的研究中取得了一系列突出成果[Science (2025,2026)、Nature Materials (2026)、Naturesynthesis（2024）、NatureCommunications（2026）等]。

本研究聚焦于纳米管的界面限域生长机制。纳米管作为典型的原子尺度材料，具有显著的量子效应，其物性通常依赖于手性。然而纳米管手性的可控合成长期以来是一项重大挑战。本研究中，浙江大学项荣教授团队在h-BN纳米管模板的限域空间内合成了扶手椅型构型占比高达83%的SnS₂纳米管。但理论计算表明SnS₂纳米管的能量受手性影响极小，因此无法从热力学角度解释实验中SnS₂纳米管的强扶手椅择优生长现象。针对这一难题，高峻峰团队基于DFT高精度数据构建了机器学习力场（图1）。

团队首先对不同类型的原子结构进行广泛采样，使训练集数据覆盖SnS₂纳米带、纳米管、不同Sn–S局域构型以及BN等多种化学与结构环境；随后利用自主REALs机器学习模型学习原子局域环境与体系能量之间的映射关系。该模型综合考虑原子间距离、局域几何构型、元素种类及范德华相互作用，能够描述纳米带弯曲、滑移、剥离和边缘成键等复杂结构演化过程。在保持接近DFT精度的前提下，机器学习力场显著降低了大规模原子模拟的计算成本，为开展与实验尺度相当的长时间动力学模拟提供了基础。

图1:机器学习力场的数据集与精度验证

在此基础上，高峻峰团队开展了包括逾10万原子体系的机器学习分子动力学模拟，将接近DFT精度的原子级模拟推进至实验相关的空间尺度（图2）。模拟揭示了纳米带向纳米管转化的原子尺度动态路径：相较于其它手性边，锯齿型SnS₂纳米带具有能量优势，在BNNT限域环境中能够优先生长，并引起局部管壁形变。

当锯齿型SnS₂纳米带生长至一定规模后，伴随BNNT的热振动，纳米带发生层间剥离与滑移，随后边缘重新连接并逐渐闭合，最终形成扶手椅型纳米管。由此，高峻峰团队从原子尺度阐明了锯齿型纳米带向扶手椅型纳米管转化的关键动力学机制，为理解实验中的手性角选择性提供了理论依据。

图2:机器学习力场模拟揭示锯齿型纳米带经剥离、滑移、边缘愈合最终形成扶手椅型纳米管的动力学过程

理论模拟为实验识别关键中间结构提供了关键依据（图3）。研究团队根据机器学习模拟得到的原子结构生成了模拟扫描透射显微镜（STEM）图像，用于指导实验对关键转变结构的识别。实验中的高分辨STEM观测成功辨认出与理论预测近乎完全一致的谱学图像。理论与实验的STEM谱像在形貌及原子排布上的高度吻合，证实了锯齿型纳米带向扶手椅型纳米管转化的动力学路径。理论模拟不仅解释了实验中扶手椅型构型的择优现象，也辅助实验识别和理解了生长过程中难以直接判断的关键中间结构。通过理论和实验结合进一步研究，团队发现MoS₂纳米管亦具有类似的扶手椅型优先合成机理。基于取向可控的纳米带，经由限域表面组装手性可控纳米管这一动力学机理，有望启发其它材料纳米管的手性可控合成。

图3:机器学习力场得到关键结构图和模拟的STEM和实验STEM直接对应

本工作充分展示了机器学习模拟在材料精准制备中的关键作用。该方法突破了传统DFT计算在体系规模和模拟时间上的限制，在保持接近DFT精度的同时，在超过10万原子的近实验规模体系中，实现了纳米管扶手椅型择优的生长动力学模拟。机器学习模拟获得的原子结构可以进一步生成与实验直接对比的STEM图像，辅助实验识别关键中间结构，从而形成动力学机理研究的完整闭环。这种“高精度第一性原理数据—大规模机器学习模拟—实验和检测”相结合的研究模式，有望突破传统试错研究的局限，深化对材料动力学机制的理解，并在新材料预测、精准合成、结构与物性设计等方面发挥突破性作用。