Introducción a los materiales 2D y la conductividad térmica

Los materiales de dos dimensiones (h-BN) y la transición de la celulosa (TMD) como la molibdería de 3000 foto (MoS2), han atraído un interés intenso en la investigación debido a su excepcional conducción electrónica, óptica y mecánica.

El papel de la teoría funcional de la densidad

Fundaciones de la DFT

La Teoría Funcional de Densidad es un método de modelado mecánico cuántico que mapea el problema de muchos electrón en un sistema de electrones no interactantes que se mueven en un potencial eficaz.El núcleo de DFT es el enfoque de Kohn-Sham, que expresa la energía total de un sistema como una funcionalidad de la densidad de electrones.

Calculaciones de Phononon con DFT

El método de la superación de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea

Metodología para Simulación de Conductividad Termal

Optimización de la estructura

El primer paso en cualquier estudio de conductividad térmica basado en DFT es obtener la estructura atómica totalmente relajada del material 2D. Para monocapas, una región de vacío de al menos 15 Å se añade perpendicular al plano para eliminar interacciones espurias entre imágenes periódicas. Los parámetros de la tracción en plano y posiciones atómicas se optimizan hasta que las fuerzas residuales están por debajo de un umbral (normalmente 10−4 tensiones)

Persecuencias de dispersión y fuerza de Phonon

La estructura de equilibrio se determina, se realizan cálculos de fonón armónicos. Utilizando DFPT, la matriz dinámica se calcula en una red de punto q-punto grueso (por ejemplo, 6×6×1) y luego Fourier interpoló en una malla fino para las parcelas de dispersión fonónica.

Resolver la Ecuación de Transporte Boltzmann

La corrección de la correlación de la correlación de la correlación de la intemperie de la intemperie de la intemperie despertación de la intemperie de la intemperie de la intemperie de la intemperie de la intemperie de la intemperie, la desintegración de la intemperie de la intemperie de la intemperie, la descomposición de la intemperie de la intemperie.

Consideraciones prácticas

Varios parámetros numéricos afectan la precisión de la conductividad térmica computada:

  • Supercell size: Para cálculos armónicos, se necesita una supercell suficientemente grande (o una densa DFPT q‐mesh) para evitar errores de envoltura. Para las constantes de fuerza anharmónica, la supercell debe ser mayor que la extensión espacial de las interatómicas consideradas.
  • k-point sampling: Una malla densa k-point (por ejemplo, 12×12×1 para una supercelular 2D) asegura fuerzas convergentes y energías totales.
  • esquema de montaje:] Gaussian o Methfessel–Paxton smearing con una anchura de 0.01–0.02 Ry se utiliza a menudo para manejar sistemas metálicos o semimetálicos como el grafito. Los aisladores son menos sensibles.
  • Estope dispersing: Las mezclas isotópicas naturales (por ejemplo, 98,9% 12C y 1,1% 13C en carbono) reducen la conductividad térmica en un 10-20% en el grafino. Esta contribución se incluye rutinariamente a través de la fórmula de la tasa de dispersión isótopo (por ejemplo, el modelo de Tamura).
  • ] dependencia de la temperatura: Las vidas del folio y las capacidades de calor son dependientes de la temperatura, por lo que κ lat se calcula a múltiples temperaturas (por ejemplo, 100 K, 300 K, 500 K) para obtener la curva de conductividad térmica completa.

Desafíos en simulaciones de conductividad térmica basadas en DFT

El costo completo de la muestra de la alta precisión de la frecuencia de la prueba [FLT] se reduce rápidamente con el número de átomos en la supercelular y con la densidad de la red de puntos q necesaria para las soluciones de BTE convergentes.

Aplicaciones y futuras direcciones

Gestión térmica en electrónica

La conductividad térmica extremadamente alta del grafeno lo convierte en un candidato natural para los esparcidores de calor en electrónica de alta potencia. Las simulaciones DFT ayudan a optimizar el uso del grafino predeciendo cómo el acoplamiento de sustratos, el número de capas y el tamaño de grano afectan la disipación de calor.Por ejemplo, las simulaciones muestran que la suspensión del grafeno elimina la dispersión del fonón intrónico, restaurando su interfaz

Materiales termoeléctricos

Los materiales bidimensionales con baja conductividad térmica son atractivos para la conversión de energía termoeléctrica, que requiere un alto coeficiente Seebeck, alta conductividad eléctrica y baja conductividad térmica. La detección de conductividad térmica basada en DFT ha identificado termoeléctricas prometedoras como SnSe (que tiene una extremadamente baja κ lat de ~0.4 W/m·K en la dirección de síntesis experimental), B2Te3, y pocos investigadores de alta velocidad

Aprendizaje de máquinas y de alta capacidad

Los altos costos computacionales de los cálculos BTE basados en DFT han motivado el desarrollo de los potenciales interaéreos de la máquina (ML) que pueden reproducir fielmente las fuerzas DFT mientras que son órdenes de magnitud más rápida. Modelos como la red neuronal Behler-Parrinello, el potencial de aproximación Gaussiana (GAP) y el potencial de la escala

Conclusión

La conductividad térmica simulada en materiales 2D con la Teoría Funcional de Densidad proporciona una comprensión detallada y atomística de los mecanismos de transporte de calor que sustentan el rendimiento de los dispositivos nanoescala. Combinando las constantes de fuerza DFT con la Ecuación de Transporte Boltzmann, los investigadores pueden predecir los valores de conductividad térmica intrínseca, explorar la influencia de los defectos y la tensión, y guiar la ingeniería de los materiales de la gestión térmica.