基于前馈神经网络势的 Ga$_2$O$_3$/SiC 热边界导热的物理理解
材料科学
2026-05-08 v1 计算物理
摘要
GaO/SiC 异质集成适用于超宽带宽功率器件，但界面热边界导热（TBC）仍是主要的散热瓶颈。直接获取固有原子尺度界面传输的实验途径有限，尤其是对于理想合成的无缺陷界面接触。第一性原理仿真在相关尺度下计算太昂贵，而经验分子动力学（MD）势能常缺乏在氧化物和碳化物键合环境之间的可迁移性。我们开发了统一的前馈神经网络势能，并通过密度泛函数据、基体声子色散以及两者的各向异性热导率趋势进行验证。非平衡仿真显示，TBC 随传输长度增加而减小，随温度增加而增大，且 GaO/SiC(0001) 的 TBC 始终高于 GaO(100)/SiC(0001)。这些趋势可由长均束道运输子衰减、增强的非平衡和无谐界面交换（在未改变的谱通道中）以及在 界面处更强的键合和振动耦合解释。结果表明，单个可迁移的前馈神经网络势能可启用大规模传输预测并实现对热边界导热的物理解释。代码可在项目仓库 https://github.com/knowhow07/TBC_Ga2O3_SiC.git 获取。
关键词
引用
@article{arxiv.2605.05620,
title = {Physics-Grounded Understanding of Thermal Boundary Conductance between Ga$_2$O$_3$ and SiC from a Feedforward Neural Network Potential},
author = {Nuohao Liu and Chen Shen and Yue Cao and Song Xue and Pingfan Wu and Zongfang Lin and Masood Mortazavi and Liang Peng and Izabela Szlufarska and Jiechen Wang},
journal= {arXiv preprint arXiv:2605.05620},
year = {2026}
}
备注
10 pages main text, 7 figures. Corresponding author: Jiechen Wang