機械学習による二重ペロフスキートにおける記録的に低い格子導熱率の発見

科学分野:

• マテリアルサイエンス 材料科学
• 凝縮物質物理学 凝縮物質物理学
• コンピューティング・ケミストリー

背景:

• ダブルペロブスキート (ABC2D6) は,光伏,光電子,熱電学において極めて重要です.
• フォノン媒介の熱伝達は,これらの材料において極めて重要です.
• 高通量密度関数理論 (DFT) のフォノン計算は,計算上高価である.

研究 の 目的:

• ダブルペロフスキットをスクリーニングするための効率的な機械学習フレームワークを開発する.
• 格子熱伝導率 (LTC) を予測し,超低LTCの材料を特定する.
• 熱電学および熱絶縁用途のための新しいダブルペロブスキート候補を発見する.

主な方法:

• 開発されたElemental-SDNNFFは,DFTの力を訓練した深層学習の原子間潜在能力である.
• 効率的なモデルトレーニングのためのアクティブ・ラーニング・フレームワークを採用しました.
• 開発されたモデルを使用して,9709立方メートルのダブルペロブスキート構造をスクリーニングしました.
• エレメンタル-SDNNFFをボルツマンの輸送方程式 (BTE) と結合して予測されたLTC.
• DFTと4フォノン分散計算で有望な候補を検証した.
• 分子ダイナミクスシミュレーションとフォノン寿命抽出で確認された結果.

主要な成果:

• 1597の動的に安定した二重ペロブスキート候補を特定しました.
• 発見されたCs2HgPtCl6の帯域ギャップは0.35 eVで,超低室温のLTCは0.071 Wm−1K−1.1.
• このLTCは,空気と比較できる同otropic bulk materialsについて報告された最低値です.
• 機械学習のフレームワークは,スクリーニングプロセスを大幅に加速します.

結論:

• 材料のスクリーニングのための効率的な機械学習支援の枠組みを確立しました.
• 先進的な熱電気および熱絶縁アプリケーションのためのダブルペロブスキットの可能性を実証しました.
• 熱管理のための記録的な材料としてのCs2HgPtCl6の発見を強調した.