从首 principles预测的热导率指标揭示声子流体动力学
人工智能
2026-05-21 v2 计算机视觉与模式识别
机器学习
摘要
声子流体动力学热流——即非平衡声子整体漂移以响应施加温度差——自 graphite在最高可达300 K时被实验观察后备受 renewed interest。为加速发现 graphite的替代材料及适合实现此非傅里叶热流 regime的实验条件,亟需从首 principles方法中派生的计算效率指标。本文表明,热导率从线性化Peierls-玻尔兹曼方程(LPBE)的完整求解得到的与从弛豫时间近似(RTA)求解的之比,是声子流体动力学的低成本指标。我们证明,整体漂移的非平衡声子会放大的比值,而小的与主要扩散声子输运相关。相反,我们发现传统仅依赖动量守恒的Normal过程和动量耗尽的Umklapp散射率(如RTA和Callaway近似)的LPBE方法,难以预测声子流体动力学。此外,我们的研究表明,指示器比值-以及因此声子流体动力学信號的强度,会随着布拉格坊(BZ)取样密度增加而在多个超高-材料中在低温下减弱,这凸显了为确保声子流体动力学可靠预测而需进行严谨的BZ取样收敛性研究的必要性。这一计算廉价的声子流体动力学指标将加速寻找 exhibiting此类非凡热流 regime的新材料的搜索。
引用
@article{arxiv.2605.17946,
title = {SVFSearch: A Multimodal Knowledge-Intensive Benchmark for Short-Video Frame Search in the Gaming Vertical Domain},
author = {Lingtao Mao and Huangyu Dai and Xinyu Sun and Zihan Liang and Ben Chen and Chenyi Lei and Wenwu Ou},
journal= {arXiv preprint arXiv:2605.17946},
year = {2026}
}