薄膜热导率测量方法：结合局部表面轮廓、热分析与机器学习技术
材料科学
2025-05-19 v1 应用物理
摘要
本研究提出了一种综合方法论，用于确定材料的高可靠性热导率（TC）。该方法论解决了表面轮廓变化和基板干扰等问题，通过结合扫描热显微镜（SThM）与机器学习（ML）模型及归一化技术。薄膜中的微-纳米结构变化加剧了测量不一致性，降低了重复性和可靠性。这些相互关联的挑战凸显了需要一种新型、灵活且自适应的方法论，以全面应对薄膜表征的复杂性，同时保持准确性和效率。在本方法论中，将样品表面划分为细小空间网格进行局部热学和表面轮廓测量。引入了基板厚度因子（C 因子），以消除薄膜TC中厚度和基板效应的影响，并使用高性能随机森林回归预测广泛材料范围内的TC。模型在覆盖广泛物性参数的2352个测量数据集上进行训练，然后用额外的980个测量数据进行验证。它们在训练时实现了0.97886的 ，在测试时实现了0.96630的 。该方法解决了仪器的局限性，集成了实验技术与计算建模，为广泛的材料科学应用提供了可扩展框架。
引用
@article{arxiv.2505.10957,
title = {An approach for thermal conductivity measurements in thin films: Combining localized surface topography, thermal analysis, and machine learning techniques},
author = {Mohsen Dehbashi and Anna Kazmierczak-Balata and Jerzy Bodzenta},
journal= {arXiv preprint arXiv:2505.10957},
year = {2025}
}