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

La chaleur se déplace à travers les matériaux solides d'une manière qui est souvent invisible mais fondamentalement importante pour le fonctionnement de notre technologie. Dans les cristaux, qui sont des solides dont les atomes sont disposés selon un motif parfait et répétitif, la chaleur ne voyage pas comme un fluide, mais sous forme de vibrations des atomes eux-mêmes. Ces vibrations, connues sous le nom de phonons, transportent l'énergie d'une extrémité du matériau à l'autre. Pour certaines applications, comme le refroidissement d'une puce informatique puissante ou d'un laser à haute vitesse, les ingénieurs ont besoin de matériaux qui permettent à cette chaleur de s'y engouffrer le plus rapidement possible. Pour d'autres tâches, comme maintenir l'efficacité d'un générateur thermoélectrique ou isoler un bâtiment, ils ont besoin de matériaux qui piègent la chaleur, ralentissant les vibrations jusqu'à un crawl. Le défi a toujours été de trouver de nouveaux matériaux dotés de ces propriétés extrêmes. Bien que les scientifiques sachent depuis longtemps que les atomes lourds ou les liaisons faibles ont tendance à ralentir la chaleur, et que les liaisons légères et fortes ont tendance à l'accélérer, ces règles sont souvent trop vagues pour prédire exactement comment un nouveau cristal spécifique se comportera.

Une équipe de chercheurs a maintenant développé une façon beaucoup plus précise de voir à l'intérieur de ces matériaux, dépassant les simples règles empiriques pour parvenir à une compréhension détaillée de la manière dont les atomes se tiennent la main. En analysant la colle électronique qui lie les atomes entre eux, ils ont créé deux nouvelles façons de mesurer la force de ces connexions. Ils ont découvert que ces mesures agissent comme une boussole fiable pour prédire si un cristal sera une autoroute thermique ou une impasse thermique. Grâce à cette intuition, ils ont entraîné un modèle informatique sophistiqué pour scanner près de 200 000 structures cristallines connues. La recherche a été un succès : le modèle a identifié des dizaines de nouveaux matériaux qui sont dynamiquement stables et possèdent des propriétés thermiques extrêmes, incluant certains qui conduisent la chaleur à moins de 2 watts par mètre-kelvin et d'autres qui la conduisent à plus de 100 watts par mètre-kelvin. Ce travail offre une voie rapide et fiable pour la découverte de la prochaine génération de matériaux pour la gestion thermique, des meilleurs isolants aux convertisseurs d'énergie plus efficaces.

Le voyage a commencé par la réalisation que les anciennes méthodes de devinette du comportement thermique se heurtaient à un mur. Pendant des décennies, les scientifiques se sont appuyés sur des facteurs tels que le poids moyen des atomes dans un matériau ou la simplicité générale de sa structure pour estimer sa capacité de conduction thermique. Bien que ces facteurs comptent, ils échouent souvent à distinguer des matériaux qui se ressemblent sur le papier mais qui se comportent très différemment en réalité. Pour résoudre cela, les chercheurs ont tourné leur attention vers les liaisons chimiques elles-mêmes. Ils se sont concentrés sur deux signatures électroniques spécifiques : une qui mesure la quantité d'énergie libérée lorsque les atomes forment une liaison, et une autre qui quantifie à quel point cette liaison est covalente, ou partagée. Ils ont réalisé que s'ils normalisaient ces valeurs — en les ajustant pour tenir compte du nombre d'atomes et de liaisons dans le cristal — ils pourraient créer une échelle universelle de la force de liaison qui fonctionne à travers des milliers de matériaux différents.

Ces nouveaux descripteurs, que l'équipe appelle « population d'orbitales de Hamilton de l'intégrale de cristal négative normalisée » et « indice de liaison de l'intégrale de l'orbitale de cristal normalisé », se sont révélés incroyablement puissants. Lorsque les chercheurs ont tracé ces valeurs par rapport à la conductivité thermique réelle de plus de 4 500 matériaux, un motif clair est apparu. Les matériaux présentant des valeurs élevées sur ces échelles, indiquant des liaisons électroniques fortes et profondes, permettaient systématiquement à la chaleur de circuler librement. Inversement, les matériaux avec des valeurs basses, indiquant des liaisons faibles ou superficielles, piégeaient la chaleur. Crucialement, cette relation restait vraie même lorsque les matériaux avaient la même masse atomique moyenne, un facteur sur lequel les modèles précédents reposaient lourdement. Les nouveaux descripteurs ont également révélé un lien direct avec la manière dont les atomes oscillent lorsqu'ils sont chauffés. Les liaisons fortes maintiennent les atomes stables, tandis que les liaisons faibles permettent aux atomes de s'agiter frénétiquement, un mouvement qui disperse la chaleur et la ralentit. Cette connexion a fourni une explication physique de la raison pour laquelle certains matériaux sont des isolants thermiques et d'autres des conducteurs, ancrée directement dans la structure électronique des atomes.

Pour mettre cette découverte à profit, l'équipe a construit un nouveau type de modèle d'intelligence artificielle appelé « Crystal Attention Graph Neural Network ». Imaginez ce modèle comme un œil hautement entraîné capable de regarder l'arrangement des atomes dans un cristal et de « ressentir » instantanément la force des liaisons qui les maintiennent ensemble, sans avoir besoin de lancer les simulations informatiques lentes et coûteuses qui prennent habituellement des jours ou des semaines. Les chercheurs ont d'abord enseigné à ce modèle en utilisant les données des 4 500 matériaux qu'ils avaient déjà analysés. Une fois que le modèle a appris la relation entre la structure cristalline et les nouveaux descripteurs de force de liaison, ils l'ont déchaîné sur une base de données massive contenant près de 200 000 structures cristallines non testées. Le modèle a rapidement prédit la force de liaison pour chacune d'elles, signalant les candidats les plus prometteurs pour un comportement thermique extrême.

À partir de ce balayage numérique massif, les chercheurs ont sélectionné environ 900 matériaux présentant les forces de liaison les plus extrêmes — soit très faibles, soit très fortes. Ils ont ensuite soumis ces candidats à un processus de vérification rigoureux en deux étapes. D'abord, ils ont utilisé un autre modèle d'IA pour vérifier si les cristaux étaient stables, c'est-à-dire qu'ils ne s'effondreraient pas ou ne se vibreraient pas eux-mêmes dans le chaos. Environ 80 % des candidats ont passé ce test de stabilité initial. Pour ceux qui restaient, l'équipe a effectué des calculs détaillés de premier principe, l'étalon-or de la physique computationnelle, pour confirmer leur conductivité thermique. Les résultats furent frappants. Le modèle avait identifié avec succès 106 matériaux stables à très faible conductivité thermique, dont 68 % conduisant moins de 2 watts par mètre-kelvin. À l'autre extrémité du spectre, la recherche a produit 13 matériaux stables à très haute conductivité thermique, tous dépassant les 100 watts par mètre-kelvin.

L'étude a également remis en question certaines croyances de longue date concernant ce qui bloque la chaleur dans les matériaux. Des recherches antérieures suggéraient que la présence d'états électroniques « antibondants » spécifiques était le principal coupable de la faible conductivité thermique. Cependant, la nouvelle analyse a montré que ce n'était pas une règle universelle. Les chercheurs ont trouvé des matériaux possédant ces états antibondants qui conduisaient pourtant bien la chaleur, et des matériaux sans eux qui étaient d'excellents isolants. Au lieu de cela, les nouveaux descripteurs de force de liaison se sont révélés être le prédicteur constant. Cette distinction est vitale car elle signifie que les scientifiques ne peuvent plus se fier à une seule caractéristique électronique pour filtrer les propriétés thermiques ; ils doivent examiner la force globale de la liaison chimique.

Les implications de ce travail vont au-delà de la simple découverte de nouveaux matériaux. En établissant un lien clair entre la liaison électronique et le transport thermique, les chercheurs ont fourni un ensemble de principes intuitifs qui peuvent guider la conception de futurs matériaux. L'équipe a démontré que leur approche fonctionne pour une grande variété de familles chimiques, incluant celles avec des éléments lourds comme le plomb et le bismuth, ainsi que des éléments plus légers comme le carbone et le bore. L'identification réussie de composés spécifiques, tels que diverses formes de carbone, de nitrure de bore et des alliages complexes contenant des métaux alcalins, prouve que la méthode est robuste. Ces conclusions suggèrent que le chemin vers la découverte de la prochaine génération de matériaux thermiques n'est plus un jeu de hasard ou un processus lent d'essais et d'erreurs, mais une recherche ciblée guidée par la physique fondamentale de la connexion entre les atomes.