基于机器学习力常数势揭示二维碳同素异形体中超折叠构型诱导的低热导率
材料科学
2024-01-30 v2
摘要
理解结构与功能化之间的基本联系对于功能材料的设计与优化至关重要，因为不同的结构构型可促使材料表现出多样的物理、化学与电子性质。然而，晶体结构与热导率(\k{appa})之间的关联仍不明了。本研究以二维(2D)碳同素异形体为案例，利用声子玻尔兹曼输运方程(BTE)结合机器学习力常数势，从晶体结构、模式层级声子分辨热输运以及原子相互作用的角度，深入探究纯sp2杂化碳材料的复杂折叠结构，旨在揭示2D几何与\k{appa}之间的内在关系。我们提出了两种面向目标热输运性能的潜在结构演化机制：面内与面外折叠演化，其普遍适用于2D碳同素异形体。研究表明，折叠结构产生强烈的对称性破缺，同时产生被极度压低的声子群速度、强烈的声子-声子散射以及微弱的声子流体力学行为，最终导致低\k{appa}。关于原子结构折叠效应对热输运的深入认识深化了我们对结构与功能化关系的理解，为设计具有目标\k{appa}的新型纳米材料提供了直接指导，并推动材料科学与工程的发展。
引用
@article{arxiv.2309.05325,
title = {Superfolded configuration induced low thermal conductivity in two-dimensional carbon allotropes revealed via machine learning force constant potential},
author = {Linfeng Yu and Kexin Dong and Qi Yang and Yi Zhang and Xiong Zheng and Huimin Wang and Zhenzhen Qin and Guangzhao Qin},
journal= {arXiv preprint arXiv:2309.05325},
year = {2024}
}