金(111)表面是最稳定的金表面，其上有一个周期性的人字结构，可以用精密的显微镜观察到。一个长期的谜团是为什么这个奇怪的人字形会在黄金表面形成。广泛的研究已经进行了几十年，但对结构细节的彻底描述仍然缺失，因此潜在的机制从未被正确理解。这个问题的难点在于，即使纹理的尺寸是纳米级的，它的周期单位仍然包含超过10万个原子。为了定量地研究这个系统，需要一种非常高效和精确的计算方法。然而，在传统方法中，这两个要求不能同时得到满足。

最近，来自UNIST基础科学研究所(IBS)多维碳材料中心(CMCM)的杰出教授Feng Ding(材料科学与工程系)和他的同事利用最先进的神经网络方法从精确但缓慢的计算方法中训练金力场。

由于神经网络强大的学习能力，这种新的力场获得了几乎相同的精度，更重要的是，它比原来的方法快了许多个数量级。利用该力场，作者成功地模拟了实验中观察到的Au(111)表面的人字形结构，并揭示了表面下存在不可忽略的变形。这种变形对于人字结构的形成至关重要，因为它允许重新排列的表面原子有效地松弛。如果变形被抑制(以薄模型为例)，纹理将形成条纹。

同时，还验证了人字织构对外加应变的敏感性。在无应变的表面上，人字形纹理是镜像对称的。然而，如果引入轻微的应变，纹理就会倾斜。在临界应变以上，它彻底转变为条纹纹理。

研究小组指出:“这项重要的工作扩展了机器学习方法在材料科学中的应用，为研究复杂表面系统开辟了一条新的途径。”

本研究由鼎丰教授领导，李派博士率先撰写。这项研究的结果发表在2022年10月的《科学》杂志上科学的进步。