Introduction aux matériaux 2D et à la conductivité thermique

Les matériaux bidimensionnels (2D), tels que le graphène, le nitride de bore hexagonal (h-BN) et les dichalcogénides de métal de transition (TMD), comme le disulfure de molybdène (MoS2), ont suscité un intérêt considérable pour la recherche en raison de leurs propriétés électroniques, optiques et mécaniques exceptionnelles. Leur épaisseur à l'échelle atomique, souvent de un ou quelques atomes, entraîne des effets de confinement quantiques qui donnent lieu à de nouveaux phénomènes physiques. Parmi ceux-ci, la conductivité thermique joue un rôle critique dans la détermination de la performance et de la fiabilité des dispositifs construits à partir de ces matériaux. Par exemple, le graphène présente une conductivité thermique intrinsèque extrêmement élevée (environ 3000 à 5000 W/m·K près de la température ambiante), ce qui en fait un candidat prometteur pour la propagation de la chaleur en microélectronique.

Le rôle de la théorie fonctionnelle de la densité

Fondations de la DFT

La théorie fonctionnelle de la densité est une méthode de modélisation mécanique quantique qui cartographie le problème de plusieurs électrons sur un système d'électrons non interagissants se déplaçant dans un potentiel efficace. Le noyau de la DFT est l'approche Kohn–Sham, qui exprime l'énergie totale d'un système comme fonction de la densité des électrons. En résolvant les équations Kohn–Sham, les chercheurs obtiennent l'état de base électronique, y compris la densité des électrons, l'énergie totale et les forces sur les atomes. Les implémentations modernes de la DFT utilisent des fonctions d'échange-corrélation telles que l'approximation de la densité locale (LDA) ou l'approximation du gradient généralisé (GGA, p.ex. PBE ou PBEsol). Pour les matériaux 2D, les corrections de van der Waals (p.ex. DFT‐D3 ou vdW‐DF) sont souvent nécessaires pour décrire avec précision les interactions intercouches lors de la modélisation de systèmes à faible couche.

Calculs de phosphore avec DFT

[[La conductivité thermique des matériaux cristallins dépend de la température est dominée par des vibrations de réseau, ou des phonons.][Pour calculer les propriétés phononnaires à partir des premiers principes, il faut calculer les constantes de force du cristal.] Dans l'approche de déplacement fini, de petits déplacements atomiques sont introduits dans une supercellule, et les forces résultantes sont calculées à partir de DFT pour extraire des IFC harmoniques et anharmoniques. DFPT, par contre, calcule directement la matrice dynamique par la théorie de la réponse linéaire, évitant la nécessité de grandes supercellules pour les phonons longs temps.

Méthodologie de simulation de la conductivité thermique

Optimisation de la structure

La première étape de toute étude de conductivité thermique basée sur DFT consiste à obtenir la structure atomique complètement détendue du matériau 2D. Pour les monocouches, une région de vide d'au moins 15 Å est ajoutée perpendiculairement au plan pour éliminer les interactions fallacieuses entre les images périodiques. Les paramètres du réseau intérieur et les positions atomiques sont optimisés jusqu'à ce que les forces résiduelles soient inférieures à un seuil (généralement 10 à 4 eV/Å) et les contraintes sont négligeables. Le choix de la correction fonctionnelle échange-correlation et de la correction van der Waals peut affecter de façon significative les constantes du réseau détendu et, par conséquent, les fréquences du phonon. Par exemple, la fonction PBE tend à surestimer légèrement les constantes du réseau du graphine, tandis que PBEsol donne un meilleur accord avec l'expérience de certains TMD.

Dispersion des phonons et constantes de force

Une fois la structure d'équilibre déterminée, on effectue des calculs harmoniques de phonon. En utilisant le DFPT, on calcule la matrice dynamique sur une grille grossière de q‐point (p. ex., 6×6×1) et Fourier interpolée sur une maille plus fine pour les parcelles de dispersion phonon. Il faut appliquer des règles de somme acoustique pour éliminer les modes imaginaires (fréquences négatives) qui indiqueraient une instabilité structurelle. Pour les matériaux 2D, la branche ZA (acoustique hors plan) a souvent une dispersion quadratique près du point ®, une signature de dimensionnalité réduite. Pour les calculs anharmoniques, on construit une supercellule (p. ex., 4×4×1 pour le graphine) et on génère un ensemble de configurations déplacées pour calculer les CII de troisième ordre par des différences finies.

Résoudre l'équation de transport de Boltzmann

La conductivité thermique du réseau κ lat est obtenue en résolvant l'équation de transport (BTE) Boltzmann pour les phonons. Dans l'approximation du temps de relaxation (RTA), κ = (1/N q V) γ {q,ν} C {q,ν} v {q,ν}2 τ {q,ν}, où C est la capacité thermique spécifique au mode, v la vitesse du groupe et τ la durée de vie du phonon par rapport à tous les mécanismes de diffusion (harmonique, isotope, limite). Cependant, la RTA néglige la correction de la fonction de distribution du phonon, qui peut être significative pour les matériaux à diffusion normale forte (p. ex. graphiène). Une solution itérative du BTE, telle qu'elle est mise en œuvre dans des codes comme ShengBTE (qui utilise la dispersion complète du phonon et les IFC du troisième ordre comme entrée), donne des résultats plus précis.

Considérations pratiques

Plusieurs paramètres numériques influent sur la précision de la conductivité thermique calculée:

  • Taille de la supercellule : Pour les calculs harmoniques, il faut une supercellule suffisamment grande (ou une couche dense de DFPT q-mesh) pour éviter les erreurs d'emballage.
  • échantillonnage en points k:[ Un maillage dense en points k (par exemple 12×12×1 pour une supercellule 2D) assure des forces convergentes et des énergies totales.
  • Schéma de saignage:[ Gaussien ou méthfesse–Paxton frottant avec une largeur de 0,01–0,02 Ry est souvent utilisé pour manipuler des systèmes métalliques ou semi-métalliques comme le graphène. Les isolants sont moins sensibles.
  • Les mélanges isotopiques naturels (p. ex. 98,9% 12C et 1,1% 13C dans le carbone) réduisent la conductivité thermique de 10 à 20% dans le graphine. Cette contribution est systématiquement incluse par l'intermédiaire de la formule de vitesse de diffusion des isotopes (p. ex. modèle Tamura).
  • Données de température:[ Les durées de vie et les capacités thermiques des phonons dépendent de la température, de sorte que κ lat est calculé à des températures multiples (p. ex. 100 K, 300 K, 500 K) pour obtenir la courbe de conductivité thermique complète.

Défis dans les simulations de conductivité thermique basées sur la DFT

Le coût de la construction[ augmente rapidement avec le nombre d'atomes dans la supercellule et avec la densité de la grille q-point requise pour les solutions BTE convergentes. Pour de nombreux matériaux 2D avec des cellules à grandes unités (par exemple, MoS2 avec 6 atomes par monocouche), les calculs anharmoniques complets deviennent coûteux. La précision de la DFT dépend également du choix de la fonction de corrélation d'échange; les valeurs de conductivité thermique peuvent différer de 20 à 30 % entre LDA et GGA en raison de changements de fréquences de phonon et d'anharmonicité. Les effets de taille sont une autre préoccupation: dans les échantillons expérimentaux, la longueur de l'échantillon (généralement les micromètres) est beaucoup plus faible que la voie libre moyenne des phonons long-onde dans les matériaux de conductivité élevée, et l'inclusion de ces phonons dans les échantillons de concentration de transfert de transfert de transfert de transfert de transfert de transfert de transfert de transfert de transfert de transfert de transfert de transfert

Demandes et orientations futures

Gestion thermique en électronique

Les simulations DFT aident à optimiser l'utilisation du graphine en prédisant comment le couplage du substrat, le nombre de couches et la taille du grain affectent la dissipation de chaleur. Par exemple, les simulations montrent que la suspension du graphine élimine la diffusion de phonon induite par le substrat, rétablissant sa conductivité intrinsèque, alors que sa mise sur SiO2 réduit la conductivité à 500–1000 W/m·K en raison de la diffusion d'interfaces. Des études similaires sur le nitride de bore hexagonal et les dichalcogénides de métal de transition guident la conception d'hétérostructures all-2D où la gestion thermique est critique.

Matériaux thermoélectriques

Les matériaux bidimensionnels à faible conductivité thermique sont attrayants pour la conversion d'énergie thermoélectrique, qui nécessite un coefficient Seebeck élevé, une conductivité électrique élevée et une faible conductivité thermique. Le dépistage de la conductivité thermique basé sur DFT a permis de repérer des thermoélectriques 2D prometteurs tels que SnSe (qui a un très faible κ lat d'environ 0,4 W/m·K dans la direction hors plan), Bi2Te3 et peu de couches WSe2. En calculant la dispersion et les vitesses de diffusion du phonon, les chercheurs peuvent identifier les mécanismes conduisant à des κ faibles (p. ex. modes acoustiques mous, atomes de cliquetage ou cellules unitaires complexes) et proposer des substitutions chimiques pour réduire davantage la conductivité thermique sans transport électronique dégradant.

Apprentissage automatique et dépistage à haut débit

Les modèles tels que le réseau neuronal Behler–Parrinello, le potentiel d'approximation gaussienne (GAP) et le profond potentiel (DP) ont été formés sur des données DFT pour des matériaux 2D et utilisés pour calculer des propriétés de transport de phonon avec une précision proche de DFT. Ces potentiels ML permettent des calculs de conductivité thermique pour des supercellules plus grandes (p. ex., 10 000 atomes) et des échelles de temps plus longues, permettant l'étude des limites de grain, des nanotubes et des alliages désordonnés. La combinaison de cadres à haut débit comme le projet Matériaux et AFLOW permet aux chercheurs d'étudier des milliers de composés 2D hypothétiques pour des propriétés de transport thermique extrêmes, en identifiant des candidats comme le borophène, le phosphorene et le silicène.

Conclusion

La simulation de la conductivité thermique dans les matériaux 2D avec la théorie fonctionnelle de densité fournit une compréhension atomistique détaillée des mécanismes de transport de chaleur qui sous-tendent la performance des appareils à nanoéchelle. En combinant les constantes de force dérivées de DFT avec l'équation de transport de Boltzmann, les chercheurs peuvent prédire les valeurs intrinsèques de conductivité thermique, explorer l'influence des défauts et des déformations, et guider l'ingénierie des matériaux pour la gestion thermique ou la conversion thermoélectrique. Malgré les défis informatiques, les progrès dans les algorithmes, l'apprentissage des machines et le calcul à haute performance améliorent constamment la précision et l'accessibilité de ces simulations.