摘要：拓扑束缚理论通过量化原子尺度键合约束数，构建玻璃微观结构与宏观性能的定量预测模型；分子动力学借助力场模型，实现从纳秒级结构弛豫到微秒级分相动力学的跨时间尺度动态演化规律；机器学习算法构建组分–性能高维映射关系，开创基于性能需求的玻璃组分逆向设计新范式。本文阐明拓扑束缚理论在预测玻璃化转变温度与硬度评估等方面中的关键作用；聚焦面向高功率器件封装、高强度及高频应用等玻璃材料分子动力学模拟研究；探讨机器学习在玻璃性能预测中的新范式，并对三者协同效应在开展新型玻璃材料研发中的应用作出展望。
文章目录
1 基于拓扑束缚理论的玻璃性能计算
1.1 拓扑束缚理论
1.2 基于拓扑束缚理论预测玻璃性能
1.3 基于拓扑束缚理论设计高性能玻璃
2 基于分子动力学模拟的玻璃结构和性能表征
2.1 分子动力学模拟
2.2 功率器件封装应用铅硅酸盐玻璃
2.3 高强应用镁铝硅酸盐玻璃
2.4 高频应用硼硅酸盐玻璃基板材料
2.5 分子动力学模拟在微晶玻璃中的应用
2.6 分子动力学模拟在快离子导体玻璃中的应用
3 基于机器学习的玻璃性能预测
3.1 机器学习
3.2 基于机器学习预测硫系玻璃的玻璃化转变温度
3.3 基于机器学习预测钙铝硅玻璃的硬度和弹性模量
3.4 基于机器学习预测玻璃的介电性能
3.5 基于机器学习和MD模拟预测玻璃的导电性能
4 总结与展望
