Experimental and Computational Investigation of Thermal Conductivity in Porous Silicon: Doping-Dependent Performance of Molecular Dynamics and Physics- Informed Neural Networks

El silicio es el pilar silencioso de la electrónica moderna, el material que impulsa todo, desde teléfonos inteligentes hasta paneles solares. En su forma cristalina sólida, el silicio es un excelente conductor del calor, lo que suele ser un problema para los ingenieros que intentan evitar que los diminutos chips de computadora se sobrecalienten. Sin embargo, cuando el silicio se transforma en un material esponjoso lleno de diminutos agujeros, su capacidad para conducir el calor disminuye drásticamente. Este silicio poroso se convierte en un aislante térmico, una propiedad que lo hace increíblemente valioso para la creación de dispositivos de recolección de energía más eficientes y para mantener el calor donde se necesita. El desafío para los científicos siempre ha sido predecir exactamente qué tan bien funcionará este material. La respuesta depende de una mezcla compleja de factores: cuántos agujeros hay en el material, qué tan grandes son esos agujeros y cómo están dispuestos los átomos de silicio alrededor de ellos. Debido a que la estructura puede variar enormemente dependiendo de cómo se fabrique el material, una fórmula simple a menudo falla al capturar el panorama completo, dejando a los ingenieros en la posición de adivinar en lugar de calcular.

Un equipo de investigadores de la Universidad Nacional Taras Shevchenko de Kiev ha abordado esta incertidumbre construyendo un puente integral entre el mundo microscópico de los átomos y el mundo macroscópico del flujo de calor. No dependieron de un solo método para resolver el rompecabezas. En su lugar, combinaron tres enfoques distintos: experimentos del mundo real, simulaciones por computadora que rastrean átomos individuales y un nuevo tipo de inteligencia artificial diseñada para aprender las leyes de la física. Los investigadores comenzaron creando sus propias muestras de silicio poroso. Tomaron obleas de silicio estándar y utilizaron un baño químico con una corriente eléctrica para erosionar el material, dejando atrás una estructura esponjosa. Al ajustar cuidadosamente la fuerza de la corriente eléctrica, pudieron controlar la densidad de los agujeros, creando capas con una porosidad que oscilaba entre el 48 y el 75 por ciento. Para ver qué habían fabricado, observaron las muestras bajo potentes microscopios, revelando que los agujeros formaban columnas distintas que atravesaban el material, una forma característica del silicio fuertemente dopado con el que empezaron.

Para medir qué tan bien conducían el calor estos materiales, el equipo utilizó una técnica llamada medición fotoacústica. Dirigieron un haz de láser modulado hacia el silicio, haciendo que la superficie se calentara y se enfriara rápidamente. Este calentamiento rítmico creó ondas sonoras en el aire sobre la muestra, que un micrófono sensible pudo detectar. Al analizar la intensidad y el tiempo de estas ondas sonoras, los investigadores pudieron calcular la conductividad térmica exacta de la capa porosa sin tocarla. Descubrieron que el transporte de calor no dependía solo del número de agujeros, sino que estaba fundamentalmente gobernado por el dopaje inicial de la oblea de silicio. El nivel de dopaje determinaba si la estructura interna formaba una red aleatoria y esponjosa o una más organizada y columnar. Esta diferencia estructural significaba que la misma cantidad de porosidad podía resultar en comportamientos térmicos muy diferentes dependiendo del material de partida.

Para comprender la física detrás de estas mediciones, los investigadores recurrieron a dos modelos computacionales diferentes. Primero, utilizaron simulaciones de dinámica molecular, que actúan como una película de alta velocidad de átomos moviéndose y colisionando. Este método es excelente para ver cómo viaja el calor a través de estructuras diminutas y específicas donde los límites de los agujeros dispersan las vibraciones que transportan el calor, conocidas como fonones. Las simulaciones mostraron que, para las muestras columnares fuertemente dopadas, esta dispersión a nivel atómico era el factor dominante que reducía el flujo de calor. Sin embargo, este método es demasiado lento para modelar redes grandes y complejas. Para ello, el equipo empleó Redes Neuronales Informadas por la Física, una forma de inteligencia artificial que aprende a resolver ecuaciones de calor siendo enseñada las leyes fundamentales de la termodinámica. Este enfoque les permitió modelar las complejas rutas aleatorias del calor a través de la esponja porosa, capturando cómo el calor fluye a través de toda la red en lugar de solo a través de una pequeña sección.

Los resultados de estos esfuerzos combinados revelaron un panorama claro de por qué estudios previos a veces discrepaban. Los investigadores descubrieron que las propiedades térmicas estaban dictadas por la concentración de portadores del cristal de silicio original, la cual controlaba la forma de los poros. En el silicio ligeramente dopado, los poros formaban una estructura aleatoria y laberíntica que dificultaba mucho que el calor encontrara un camino, lo que provocaba una caída rápida de la conductividad. En contraste, el silio fuertemente dopado formaba estructuras columnares que actuaban como autopistas térmicas, permitiendo que el calor se moviera más fácilmente a pesar de tener muchos agujeros. Las simulaciones de dinámica molecular coincidieron con el comportamiento de estas muestras columnares y fuertemente dopadas, mientras que los modelos de redes neuronales destacaron en la predicción del comportamiento de las estructuras aleatorias y esponjosas encontradas en el dopaje más ligero. Al fusionar sus datos experimentales con estas simulaciones y la literatura existente, el equipo utilizó una técnica matemática llamada regresión simbólica para derivar una fórmula única y unificada. Esta fórmula predice con precisión la conductividad térmica del silicio poroso basándose en su porosidad y temperatura, cubriendo un amplio rango desde la temperatura ambiente hasta los 900 Kelvin.

Este trabajo hace más que solo proporcionar un nuevo número para que los ingenieros lo utilicen; resuelve una confusión de larga data en el campo al demostrar que la historia del material importa. La misma porosidad puede producir resultados diferentes dependiendo de cómo se haya cultivado el material. El enfoque híbrido del equipo, que conecta el movimiento de átomos individuales con el flujo de calor a través de un material completo, ofrece una herramienta confiable para diseñar mejores dispositivos de aislamiento térmico y termoeléctricos. Su fórmula final, que funciona en un amplio rango de temperaturas y densidades de agujeros, permite realizar predicciones precisas sin la necesidad de experimentos costosos y laboriosos para cada nuevo diseño. Al aclarar cómo la estructura y el dopaje interactúan para controlar el calor, esta investigación proporciona una base sólida para la próxima generación de tecnologías basadas en silicio, asegurando que el calor se gestione exactamente donde se necesita.