Accelerating Discovery of Extreme Lattice Thermal Conductivity by Crystal Attention Graph Neural Network (CATGNN) Using Chemical Bonding Intuitive Descriptors

تنتقل الحرارة عبر المواد الصلبة بطريقة غالباً ما تكون غير مرئية، لكنها أساسية لكيفية عمل تقنياتنا. في البلورات، وهي مواد صلبة تترتب فيها الذرات في نمط متكرر ومثالي، لا تنتقل الحرارة كـسائل، بل كاهتزازات للذرات نفسها. هذه الاهتزازات، المعروفة باسم "الفونونات"، تحمل الطاقة من طرف مادة إلى الطرف الآخر. ولبعض التطبيقات، مثل تبريد شريحة كمبيوتر قوية أو ليزر عالي السرعة، يحتاج المهندسون إلى مواد تسمح لهذه الحرارة بالاندفاع خلالها بأسرع ما يمكن. أما بالنسبة لمهام أخرى، مثل الحفاظ على كفاءة مولد كهروحراري أو عزل مبنى، فهم بحاجة إلى مواد تحبس الحرارة، وتُبطئ الاهتزازات لتصل إلى حد السكون. لقد كان التحدي دائماً يكمن في إيجاد مواد جديدة تمتلك هذه الخصائص المتطرفة. وبينما كان العلماء يعلمون منذ زمن طويل أن الذرات الثقيلة أو الروابط الضعيفة تميل إلى إبطاء الحرارة، وأن الروابط الخفيفة والقوية تميل إلى تسريعها، إلا أن هذه القواعد غالباً ما كانت غامضة للغاية بحيث لا يمكنها التنبؤ بدقة بكيفية سلوك بلورة جديدة محددة.

لقد طور فريق من الباحثين الآن طريقة أكثر دقة لرؤية ما بداخل هذه المواد، متجاوزين مجرد القواعد العامة نحو فهم تفصيلي لكيفية "تشابك أيدي" الذرات معاً. ومن خلال تحليل "الغراء الإلكتروني" الذي يربط الذرات ببعضها، ابتكروا طريقتين جديدتين لقياس قوة هذه الروابط. ووجدوا أن هذه القياسات تعمل كبوصلة موثوقة للتنبؤ بما إذا كانت البلورة ستكون طريقاً حرارياً سريعاً أم طريقاً مسدوداً. وباستخدام هذه الرؤية، قاموا بتدريب نموذج حاسوبي متطور لمسح ما يقرب من 200,000 بنية بلورية معروفة. وقد تكللت عملية البحث بالنجاح: حيث حدد النموذج عشرات المواد المستقرة ديناميكياً والتي تمتلك خصائص حرارية متطرفة، بما في ذلك بعض المواد التي تنقل الحرارة بأقل من 2 واط لكل متر-كلفن، وأخرى تنقلها بأكثر من 100 واط لكل متر-كلفن. ويقدم هذا العمل مساراً سريعاً وموثوقاً لاكتشاف الجيل القادم من المواد لإدارة الحرارة، بدءاً من العوازل الأفضل وصولاً إلى محولات الطاقة الأكثر كفاءة.

بدأت الرحلة بإدراك أن الطرق القديمة في تخمين السلوك الحراري قد وصلت إلى طريق مسدود. فلعقود من الزمن، اعتمد العلماء على عوامل مثل متوسط وزن الذرات في المادة أو بساطة هيكلها العام لتقدير مدى جودة توصيلها للحرارة. ورغم أن هذه العوامل مهمة، إلا أنها غالباً ما تفشل في التمييز بين المواد التي تبدو متشابهة على الورق ولكنها تتصرف بشكل مختلف تماماً في الواقع. ولحل هذه المشكلة، وجه الباحثون اهتمامهم إلى الروابط الكيميائية نفسها. فقد ركزوا على بصمتين إلكترونيتين محددتين: إحداهما تقيس مقدار الطاقة المتحررة عند تشكل الرابطة بين الذرات، والأخرى تحدد مدى كون هذه الرابطة "تساهمية" أو مشتركة. وأدركوا أنه إذا قاموا بتطبيع (normalization) هذه القيم — أي تعديلها لتراعي عدد الذرات والروابط في البلورة — فبإمكانهم إنشاء مقياس عالمي لقوة الرابطة يعمل عبر آلاف المواد المختلفة.

تبين أن هذه الواصفات الجديدة، التي أطلق عليها الفريق اسم "تعداد هاملتون لمدارات البلورات المتكامل السالب المنظم" و"مؤشر رابطة مدارات البلورات المتكامل المعتاد"، قوية للغاية. فعندما رسم الباحثون هذه القيم مقابل الموصلية الحرارية الفعلية لأكثر من 4,500 مادة، ظهر نمط واضح؛ فالمواد ذات القيم العالية على هذه المقاييس، والتي تشير إلى روابط إلكترونية قوية وعميقة، سمحت للحرارة بالتدفق بحرية باستمرار. وعلى العكس من ذلك، فإن المواد ذات القيم المنخفضة، التي تشير إلى روابط ضعيفة أو ضحلة، قامت بحبس الحرارة. والأهم من ذلك، أن هذه العلاقة ظلت قائمة حتى عندما كانت للمواد نفس متوسط الكتلة الذرية، وهو العامل الذي كانت تعتمد عليه النماذج السابقة بكثافة. كما كشفت الواصفات الجديدة عن صلة مباشرة بمدى "تذبذب" الذرات عند تسخينها؛ فالروابط القوية تُبقي الذرات ثابتة، بينما تسمات الروابط الضعيفة الذرات لـ "تتخبط" بعنف، وهو ما يؤدي إلى تشتت الحرارة وإبطائها. وقد وفر هذا الاتصال تفسيراً فيزيائياً لسبب كون بعض المواد عازلة للحرارة بينما تكون أخرى موصلة لها، وهو تفسير متجذر مباشرة في البنية الإلكترونية للذرات.

ولوضع هذا الاكتشاف موضع التنفيذ، بنى الفريق نوعاً جديداً من الذكاء الاصطناعي يسمى "شبكة الرسم البياني للاهتمام البلوري" (Crystal Attention Graph Neural Network). تخيل هذا النموذج كعين مدربة تدريباً عالياً يمكنها النظر إلى ترتيب الذرات في بلورة ما و"الشعور" فوراً بقوة الروابط التي تمسكها معاً، دون الحاجة إلى إجراء المحاكاة الحاسوبية البطيئة والمكلفة التي تستغرق عادة أياماً أو أسابيع. قام الباحثون أولاً بتعليم هذا النموذج باستخدام البيانات من الـ 4,500 مادة التي حللوها بالفعل. وبمجرد أن تعلم النموذج العلاقة بين البنية البلورية وواصفات قوة الرابطة الجديدة، أطلقوا العنان له لمسح قاعدة بيانات ضخمة تحتوي على ما يقرب من 200,000 بنية بلورية غير مختبرة. توقع النموذج بسرعة قوة الرابطة لكل منها، محدداً المرشحين الأكثر واعدية للسلوك الحراري المتطرف.

من هذا المسح الرقمي الهائل، اختار الباحثون حوالي 900 مادة أظهرت أقوى درجات قوة الروابط — إما ضعيفة جداً أو قوية جداً. ثم أخضعوا هؤلاء المرشحين لعملية تحقق صارمة مكونة من خطوتين. أولاً، استخدموا نموذج ذكاء اصطناعي آخر للتحقق مما إذا كانت البلورات مستقرة، بمعنى أنها لن تتفكك أو تهتز حتى الفوضى. وقد اجتاز حوالي 80 بالمائة من المرشحين اختبار الاستقرار الأولي هذا. وبالنسبة لمن تبقى منهم، أجرى الفريق حسابات دقيقة من "المبادئ الأولى" (first-principles)، وهي المعيار الذهبي للفيزياء الحاسوبية، لتأكيد موصليتهم الحرارية. وكانت النتائج مذهلة؛ فقد نجح النموذج في تحديد 106 مادة مستقرة ذات موصلية حرارية منخفضة للغاية، حيث كانت 68 بالمائة منها توصل حرارة بأقل من 2 واط لكل متر-كلفن. وفي الطرف الآخر من الطيف، أسفر البحث عن 13 مادة مستقرة ذات موصلية حرارية عالية جداً، تتجاوز جميعها 100 واط لكل متر-كلفن.

كما تحدت الدراسة بعض المعتقدات الراسخة حول ما يسبب منع المواد للحرارة. فقد اقترحت الأبحاث السابقة أن وجود حالات إلكترونية "مضادة للترابط" (antibonding) محددة هو المتهم الرئيسي وراء انخفاض الموصلية الحرارية. ومع ذلك، أظهر التحليل الجديد أن هذا ليس قاعدة عالمية؛ فقد وجد الباحثون مواد تمتلك هذه الحالات المضادة للترابط ومع ذلك توصل الحرارة جيداً، ومواد تفتقر إليها ومع ذلك تعد عوازل ممتازة. وبدلاً من ذلك، أثبتت واصفات قوة الرابطة الجديدة أنها المتنبئ الثابت. وهذا التمييز حيوي لأنه يعني أنه لا يمكن للعلماء الاعتماد على ميزة إلكترونية واحدة فقط لفحص الخصائص الحرارية، بل يجب عليهم النظر في القوة الإجمالية للترابط الكيميائي.

إن تداعيات هذا العمل تمتد إلى ما هو أبعد من مجرد العثور على مواد جديدة. فمن خلال إرساء صلة واضحة بين الترابط الإلكتروني والنقل الحراري، قدم الباحثون مجموعة من المبادئ البديهية التي يمكن أن توجه تصميم المواد المستقبلية. وقد أثبت الفريق أن نهجهم يعمل لمجموعة واسعة من العائلات الكيميائية، بما في ذلك تلك التي تحتوي على عناصر ثقيلة مثل الرصاص والبزموت، وكذلك العناصر الأخف مثل الكربون والبورون. إن النجاح في تحديد مركبات محددة، مثل أشكال مختلفة من الكربون، ونتريد البورون، والسبائك المعقدة التي تحتوي على معادن قلوية، يثبت أن الطريقة قوية ومتينة. وتشير هذه النتائج إلى أن طريق اكتشاف الجيل القادم من المواد الحرارية لم يعد لعبة حظ أو عملية بطيئة من التجربة والخطأ، بل أصبح بحثاً مستهدفاً موجهاً بالفيزياء الأساسية لكيفية اتصال الذرات.