Thermal Transport in Ag8TS6 (T= Si, Ge, Sn) Argyrodites: An Integrated Experimental, Quantum-Chemical, and Computational Modelling Study

Resumen Técnico: Transporte Térmico en la familia de Argiroditas $Ag_8TS_6$ ($T = Si, Ge, Sn$)

Planteamiento del Problema
Los materiales termoeléctricos requieren una baja conductividad térmica de red ($\kappa_L$) para maximizar la eficiencia; sin embargo, muchos candidatos de alto rendimiento sufren una correlación entre una $\kappa_L$ baja y una alta conductividad iónica, lo que puede comprometer la estabilidad del dispositivo. Aunque las argiroditas basadas en Ag (fórmula general $A_{(11-n)/m}^{m+}T_n^+Q_6^{2-}$) son conocidas por una $\kappa_L$ excepcionalmente baja y una alta conductividad iónica, los mecanismos específicos que gobiernan el transporte térmico en las variantes de sulfuro $Ag_8TS_6$ ($T = Si, Ge, Sn$) aún no se comprenden completamente. Los modelos computacionales existentes para predecir la $\kappa_L$ enfrentan un compromiso: los modelos tradicionales (p. ej., Slack, Cahill) suelen carecer de precisión en todo el rango de temperatura o sobreestiman los valores, mientras que los métodos rigurosos ab initio resultan computacionalmente prohibitivos para el cribado de alto rendimiento (high-throughput screening). Además, la interacción entre el enlace químico, la anharmonicidad y la independencia de la conductividad térmica frente a la iónica en estos sulfuros específicos requiere una investigación exhaustiva que combine datos experimentales con modelado avanzado.

Metodología
El estudio emplea un enfoque integrado que combina la síntesis y caracterización experimental con el modelado computacional multiescala:

1. Caracterización Experimental:

   • Síntesis: Las muestras de $Ag_8TS_6$ ($T = Si, Ge, Sn$) se sintetizaron mediante reacciones de estado sólido a alta temperatura.
   • Análisis Estructural: Se realizó difracción de rayos X de polvo (XRD) de 100 K a 400 K para confirmar la pureza de fase e investigar posibles transiciones de fase.
   • Mediciones de Transporte: La difusividad térmica se midió mediante el método de flash de láser (173–500 K), y la conductividad iónica se determinó mediante espectroscopía de impedancia electroquímica (233–303 K) utilizando electrodos de bloqueo de electrones para aislar las contribuciones iónicas. La conductividad electrónica se verificó como insignificante.
   • Propiedades Elásticas: Se utilizaron métodos de pulso-eco ultrasónico para medir las velocidades del sonido.

2. Modelado Computacional:

   • Química Cuántica: Se utilizaron cálculos de la Teoría del Funcional de la Densidad (DFT) (VASP) para optimizar las estructuras y calcular las propiedades electrónicas. El análisis de enlace se realizó mediante las Poblaciones de Hamilton de Orbitales Cristalinos (COHP) y los Índices de Enlace de Orbitales Cristalinos (COBI) a través del código LOBSTER para cuantificar la fuerza de los enlaces, la covalencia y las interacciones multicéntricas.
   • Propiedades Fonónicas: Se calcularon las estructuras de bandas fonónicas armónicas, las velocidades de grupo y las temperaturas de Debye. Los parámetros de Grüneisen dependientes de los modos se derivaron utilizando la Aproximación Cuasi-Armónica (QHA) para cuantificar la anharmonicidad.
   • Predicción de la Conductividad Térmica: Se desarrollaron y compararon dos enfoques de modelado distintos:
     • Modelo de Dos Canales Basado en Grüneisen: Un enfoque modificado que combina el modelo de dos canales de Xia (contribuciones de fonón + difusión) con el método de Bjerg para estimar los tiempos de vida de los fonones basándose en los parámetros de Grüneisen y la teoría de Slack. Esto evita los costosos cálculos de constantes de fuerza anharmónicas.
     • Potenciales Interatómicos Aprendidos por Máquina (MLIP): Se utilizó un MLIP fundacional (MACE-MP-03b) para calcular la conductividad térmica mediante el enfoque completo de la dinámica de red de dos canales (Simoncelli et al.), resolviendo la ecuación de transporte de Wigner.

Contribuciones Clave y Resultados

• Enlace y Anharmonicidad: El análisis de enlace químico revela que, si bien los enlaces $T-S$ son fuertes y covalentes, las interacciones $Ag-S$ son débiles, caracterizadas por estados antienlazantes ocupados por debajo del nivel de Fermi. Esto conduce a entornos de coordinación de $Ag^+$ distorsionados y un comportamiento de tipo "rattler" (sacudidor). El estudio identifica una importante heterogeneidad de enlaces, incluyendo interacciones $Ag-Ag$ débiles e interacciones multicéntricas hipervalentes ($S-Ag-S$), que impulsan una fuerte anharmonicidad.
• Propiedades Fonónicas: Los tres compuestos exhiben estructuras dinámicamente estables sin modos fonónicos imaginarios. Los modos acústicos de baja frecuencia están dominados por las vibraciones de $Ag^+$, lo que resulta en bajas velocidades del sonido (aprox. 1000–1500 m/s) y bajas temperaturas de Debye. Se observan grandes parámetros de Grüneisen para estos modos de baja energía, confirmando una alta anharmonicidad.
• Modelado de la Conductividad Térmica:
  • Tanto el modelo basado en Grüneisen como el enfoque basado en MLIP predicen con éxito la ultra baja conductividad térmica de red de los compuestos $Ag_8TS_6$, mostrando una buena concordancia con los datos experimentales, particularmente a temperaturas superiores a 200 K.
  • Los resultados confirman que el transporte de calor está dominado por el canal de los difusones (modos vibracionales no propagantes), lo cual es consistente con hallazgos previos en selenuros de argirodita.
  • Las discrepancias a bajas temperaturas (0–50 K) en los datos experimentales en comparación con los modelos idealizados se atribuyeron a la dispersión por defectos puntuales y la dispersión en fronteras (bordes de grano). Un modelo analítico que incorpora estos mecanismos de dispersión reprodujo con éxito el comportamiento a baja temperatura.
• Desacoplamiento de las Conductividades: Las mediciones experimentales demuestran que las conductividades térmica e iónica son independientes en estos materiales. Mientras que la conductividad iónica aumenta en más de un orden de magnitud entre 233 K y 303 K, la conductividad térmica permanece casi constante. Esto sugiere que las conductividades iónica y térmica pueden ajustarse de forma independiente, un hallazgo crucial para aplicaciones termoeléctricas.
• Sustitución Isovalente: Reemplazar el átomo de tetrel ($Si, Ge, Sn$) resulta en diferencias mínimas en el carácter de enlace, las velocidades del sonido, los parámetros de Grüneisen y la conductividad térmica, lo que indica que las propiedades de transporte térmico son robustas en toda esta familia.

Significancia y Reivindicaciones
El artículo afirma establecer un marco robusto para predecir la conductividad térmica de materiales inorgánicos complejos integrando el análisis de enlace con modelos computacionales eficientes. La significancia principal radica en demostrar que:

1. El Análisis de Enlace como Predictor: El entorno de enlace específico (enlaces $Ag-S$ débiles, estados antienlazantes e interacciones multicéntricas) es suficiente para predecir la baja conductividad térmica y la alta anharmonicidad de estos materiales.
2. Cribado de Alto Rendimiento Eficiente: El modelo de dos canales basado en Grüneisen propuesto y el enfoque de MLIP fundacional ofrecen alternativas computacionalmente económicas a los cálculos anharmónicos completos ab initio. Estos métodos son adecuados para el cribado de alto rendimiento de la conductividad térmica, siempre que se tengan en cuenta los efectos de dispersión (defectos, fronteras) en la interpretación de los datos a baja temperatura.
3. Ajuste Independiente: El estudio refuerza el hallazgo de que, en las argiroditas basadas en Ag, las conductividades térmica e iónica están desacopladas, lo que permite la optimización potencial del rendimiento termoeléctrico sin comprometer la estabilidad iónica.

Los autores señalan modestamente que, aunque el MLIP y los modelos de Grüneisen muestran una fuerte concordancia con los experimentos, se requiere mayor verificación para definir los límites de los potenciales fundacionales de ML para sistemas complejos y para refinar los procedimientos de entrenamiento automatizado para espacios de composición específicos.