Introdução aos Materiais 2D e Condutividade Térmica

Materiais bidimensionais (2D), como o grafeno, nitreto de boro hexagonal (h-BN) e dichalcogenídeos metálicos de transição (TMDs), como o dissulfeto de molibdênio (MoS2), têm atraído intenso interesse em pesquisa devido às suas propriedades eletrônicas, ópticas e mecânicas excepcionais. Por exemplo, a espessura atômica deles – muitas vezes apenas um ou poucos átomos – leva a efeitos de confinamento quântico que dão origem a novos fenômenos físicos. Dentre estes, a condutividade térmica desempenha um papel crítico na determinação do desempenho e confiabilidade dos dispositivos construídos a partir destes materiais. Por exemplo, o grafeno exibe uma condutividade térmica intrínseca extremamente alta (cerca de 3000-5000 W/m·K perto da temperatura ambiente), tornando-o um candidato promissor para a propagação de calor em microeletrônicas. Por outro lado, materiais como o MoS2 têm condutividade térmica muito menor, o que pode ser vantajoso para aplicações de conversão de energia termoelétrica onde uma baixa condutividade térmica é desejável. Entendendo e prevendo como o calor propaga através dessas camadas atomicamente finas é essencial para a próxima geração eletrônica, os dispositivos eletrônicos e os quais a medição de energia de energia de energia de

O Papel da Teoria Funcional da Densidade

Fundações do DFT

Teoria Funcional da Densidade é um método de modelagem mecânica quântica que mapeia o problema de muitos elétrons em um sistema de elétrons não-interatores que se movem em um potencial efetivo. O núcleo do DFT é a abordagem Kohn-Sham, que expressa a energia total de um sistema como um funcional da densidade eletrônica. Ao resolver as equações Kohn-Sham auto-consistentemente, os pesquisadores obtêm o estado de terra eletrônico, incluindo a densidade de elétrons, energia total, e forças sobre átomos. As implementações modernas do DFT empregam funções de troca-correlação, como a aproximação de densidade local (LDA) ou a aproximação de gradiente generalizada (GGA, por exemplo, PBE ou PBEsol). Para materiais 2D, as correções van der Waals (por exemplo, DFT-D3 ou vdW-DF) são frequentemente necessárias para descrever com precisão as interações intercamadas quando modela sistemas de poucas camadas.

Cálculos de Phonon com DFT

Para calcular as propriedades do fónon a partir dos primeiros princípios, é necessário calcular as constantes de força do cristal. Dois métodos principais são usados: o método do deslocamento finito (fônon congelado) e [[FLT: 0]] teoria da perturbação funcional de densidade (DFPT)[. Na abordagem do deslocamento finito, pequenos deslocamentos atômicos são introduzidos em uma supercélula, e as forças resultantes são calculadas a partir do DFT para extrair os FIFs harmônicos e anarmônicos. O DFPT, por outro lado, calcula diretamente a matriz dinâmica pela teoria da resposta linear, evitando a necessidade de grandes supercélulas para os Fóns de longa onda. Ambos os métodos requerem uma convergência cuidadosa com relação à saída do k- ponto, corte de onda plana e tamanho da supercélula. As relações de dispersão de fônon são obtidas por diagonaturar a matriz dinâmica, e as velocidades do grupo (v g) e fóton (f) para os cálculos de fóton [harf] (fão) e fóton] são os cálculos de fódo (flico] e

Metodologia para Simulação de Condutividade Térmica

Otimização da Estrutura

O primeiro passo em qualquer estudo de condutividade térmica baseado em DFT é obter a estrutura atômica totalmente relaxada do material 2D. Para as monocamadas, uma região de vácuo de pelo menos 15 Å é adicionada perpendicular ao plano para eliminar interações espúrias entre imagens periódicas. Os parâmetros de rede in-plane e posições atômicas são otimizados até que as forças residuais estejam abaixo de um limiar (normalmente 10 a 4 eV/Å) e as tensões são insignificantes. A escolha de troca-correlação funcional e correção de van der Waals pode afetar significativamente as constantes de rede relaxada e, consequentemente, as frequências de fônon. Por exemplo, o funcional PBE tende a superestimar ligeiramente as constantes de rede de grafeno, enquanto o PBEsol proporciona uma melhor concordância com o experimento para algumas TMDs. Um cuidadoso teste de convergência na grelha de corte de energia e k- ponto (por exemplo, 24 × 24 × 24 × 1 para uma célula unitária de grafeno) é essencial para garantir a estabilidade estrutural e a precisão das forças.

Dispersão de Phonon e Constantes de Força

Uma vez determinada a estrutura de equilíbrio, são realizados cálculos de fónon harmónicos. Usando o DFPT, a matriz dinâmica é calculada numa grade de pontos q grosseira (por exemplo, 6×6×1) e, em seguida, Fourier interpolou numa malha mais fina para parcelas de dispersão de fónons. As regras de soma acústicas devem ser aplicadas para eliminar modos imaginários (frequências negativas) que indicariam instabilidade estrutural. Para os materiais 2D, o ramo ZA (exteriormente acústica) tem frequentemente uma dispersão quadrática perto do ponto Ι, uma assinatura da dimensão reduzida. Para cálculos anarmónicos, uma supercélula (por exemplo, 4×4×1 para grafeno) é construída, e um conjunto de configurações deslocadas é gerado para calcular IFCs de terceira ordem através de diferenças finitas. O raio de corte para interações anarmónicas é tipicamente escolhido para incluir todos os vizinhos dentro de alguns angstroms; um ponto de corte insuficiente pode levar a taxas de dispersão imprecisórias, especialmente para materiais com interacções de longo alcance como o grafeno.

Resolvendo a Equação de Transporte Boltzmann

A condutividade térmica da rede κ lat é obtida resolvendo a ]Equação de Transporte de Boltzmann (BTE)] para fónons. Na aproximação de tempo de relaxamento (RTA), κ = (1/N q V) Ł {q,ν} C {q,ν} v {q,ν}2 τ {q,ν}}, onde C é a capacidade de calor específica do modo, v a velocidade do grupo, e τ a vida útil do fónon de todos os mecanismos de espalhamento (anarmônico, isótopo, limite). No entanto, a RTA negligencia a correção do desvio da função de distribuição de fónon do equilíbrio, que pode ser significativo para materiais com forte espalhamento normal (por exemplo, grafeno). Uma solução iterativa do BTE, tal como implementada em códigos como ShengBTE (que usa a dispersão completa da fónon e terceira ordem IFCs como entrada), fornece resultados mais precisos da temperatura do grafo, com o .

Considerações Práticas

Vários parâmetros numéricos afetam a precisão da condutividade térmica calculada:

  • Tamanho da supercélula: Para cálculos harmónicos, é necessária uma supercélula suficientemente grande (ou um DFPT densa q-mesh) para evitar erros de embrulho. Para constantes de força anarmônica, a supercélula deve ser maior do que a extensão espacial das interações interatômicos consideradas.
  • k-point samplement: Uma malha densa de k-point (por exemplo, 12×12×1 para uma supercélula 2D) garante forças convergentes e energias totais.
  • Esquema de corte: Gaussian ou Methfessel-Paxton esfregando com uma largura de 0,01–0,02 Ry é frequentemente usado para lidar com sistemas metálicos ou semimetálicos como o grafeno. Os isoladores são menos sensíveis.
  • Dispersão de isótopos: Misturas isotópicas naturais (por exemplo, 98,9% 12C e 1,1% 13C em carbono) reduzem a condutividade térmica em 10–20% no grafeno. Esta contribuição é rotineiramente incluída através da fórmula da taxa de espalhamento de isótopos (por exemplo, o modelo de Tamura).
  • Dependência da temperatura: As vidas e capacidades de calor fonon são dependentes da temperatura, de modo que κ lat é calculado em múltiplas temperaturas (por exemplo, 100 K, 300 K, 500 K) para obter a curva de condutividade térmica completa.

Desafios em Simulações de Condutividade Térmica Baseadas em DFT

Apesar do seu sucesso, simulações baseadas em DFT de transporte térmico em materiais 2D enfrentam vários desafios. O custo computacional cresce rapidamente com o número de átomos na supercélula e com a densidade da grade de pontos q necessária para soluções de BTE convergentes.Para muitos materiais 2D com células de grande unidade (por exemplo, MoS2 com 6 átomos por monocamada), cálculos anarmônicos completos tornam-se caros.Além disso, a precisão da DFT depende da escolha do limite de troca-correlação funcional; os valores de condutividade térmica podem diferir em 20-30% entre LDA e GGA devido a mudanças nas frequências de fónon e anarmonicidade. Ajustar os efeitos são outra preocupação: em amostras experimentais, o comprimento da amostra [tipicamente micrômetros] é muito menor do que o caminho livre de longa duração de fonômica em materiais de alta condutividade, levando ao transporte fólico [f] [fif] em ensaios de alta intensidade].

Aplicações e Orientações Futuras

Gestão térmica em eletrônica

A condutividade térmica extremamente elevada do grafeno torna-o um candidato natural para espalhadores de calor em eletrônica de alta potência. As simulações DFT ajudam a otimizar o uso do grafeno, prevendo como o acoplamento de substrato, o número de camadas e o tamanho de grãos afetam a dissipação de calor. Por exemplo, simulações mostram que a suspensão do grafeno elimina o espalhamento de phonon induzido pelo substrato, restaurando sua condutividade intrínseca, enquanto que a colocação no SiO2 reduz a condutividade para 500-1000 W/m·K devido à dispersão de interface. Estudos similares sobre nitreto de boro hexagonal e dichalcogenídeos de metal de transição guiam o design de heteroestruturas de todos-2D onde o gerenciamento térmico é crítico.

Materiais termoelétricos

Materiais bidimensionais com baixa condutividade térmica são atrativos para a conversão de energia termoelétrica, que requer um alto coeficiente de Seebeck, alta condutividade elétrica e baixa condutividade térmica. O rastreamento de condutividade térmica baseado em DFT identificou termoelétricas 2D promissoras, como SnSe (que tem uma taxa extremamente baixa de κ lat de ~0,4 W/m·K na direção fora do plano), Bi2Te3 e poucas camadas WSe2. Ao calcular as taxas de dispersão e espalhamento de fônons, os pesquisadores podem identificar os mecanismos que levam a baixas κ (por exemplo, modos acústicos suaves, átomos de choque ou células unitárias complexas) e propor substituições químicas para reduzir ainda mais a condutividade térmica sem degradar o transporte eletrônico. As previsões guiam a síntese experimental, acelerando a busca de materiais termoelétricos de alta eficiência.

Aprendizagem de máquina e alta-aplicação de triagem

O alto custo computacional dos cálculos de BTE baseados em DFT tem motivado o desenvolvimento de potenciais interatômicos de aprendizagem de máquina (ML) que podem reproduzir fielmente forças DFT enquanto são ordens de magnitude mais rápidas. Modelos como a rede neural Behler-Parrinello, o potencial de aproximação Gaussiana (GAP) e o potencial profundo (DP)] foram treinados em dados DFT para materiais 2D e usados para calcular propriedades de transporte fonon com precisão perto de DFT. Estes potenciais ML permitem cálculos de condutividade térmica para supercélulas maiores (por exemplo, 10 000 átomos) e escalas de tempo mais longas, permitindo o estudo de limites de grãos, nanotubos e ligas desordenadas. Juntamente com estruturas de alta produtividade como o Projeto Materiais e AFLOW, pesquisadores estão a analisar milhares de compostos 2D hipotéticos para propriedades de transporte térmico extremos, identificando candidatos como borofeno, fosforeno e siliceno. A combinação de DFT, ML e automação promete acelerar a descoberta de materiais de ampla gama de propriedades térmicas.

Conclusão

Simulando condutividade térmica em materiais 2D com a Teoria Funcional da Densidade, os pesquisadores podem prever um entendimento detalhado e atomístico dos mecanismos de transporte térmico que sustentam o desempenho de dispositivos de nanoescala. Ao combinar constantes de força derivadas da DFT com a Equação de Transporte Boltzmann, os pesquisadores podem prever valores intrínsecos de condutividade térmica, explorar a influência de defeitos e deformação e orientar a engenharia de materiais para gerenciamento térmico ou conversão termoelétrica. Apesar dos desafios computacionais, os avanços em algoritmos, aprendizado de máquina e computação de alto desempenho estão constantemente melhorando a precisão e acessibilidade dessas simulações. Como a biblioteca de materiais 2D conhecidos continua a expandir, simulações de condutividade térmica baseadas na DFT continuarão sendo uma ferramenta indispensável para a descoberta científica e inovação tecnológica. As percepções obtidas com essas simulações já estão informando o projeto de eletrônica de próxima geração, conversores de energia e sensores flexíveis, transformando o entendimento em aplicações do mundo real.