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

Il silicio è l'ossatura silenziosa dell'elettronica moderna, il materiale che alimenta tutto, dagli smartphone ai pannelli solari. Nella sua forma cristallina solida, il silicio è un eccellente conduttore di calore, il che rappresenta spesso un problema per gli ingegneri che cercano di evitare il surriscaldamento dei minuscoli chip informatici. Tuttavia, quando il silicio viene trasformato in un materiale simile a una spugna, ricco di minuscoli fori, la sua capacità di condurre calore diminuisce drasticamente. Questo silicio poroso diventa un isolante termico, una proprietà che lo rende incredibilmente prezioso per la creazione di dispositivi di raccolta energetica più efficienti e per mantenere il calore dove è necessario. La sfida per gli scienziati è sempre stata prevedere esattamente quanto bene questo materiale funzionerà. La risposta dipende da un complesso mix di fattori: quanti fori sono presenti nel materiale, quanto sono grandi questi fori e come sono disposti gli atomi di silicio attorno ad essi. Poiché la struttura può variare enormemente a seconda di come viene prodotto il materiale, una semplice formula spesso non riesce a catturare l'immagine completa, lasciando gli ingegneri a indovinare piuttosto che a calcolare.

Un team di ricercatori dell'Università Nazionale Taras Shevchenko di Kiev ha affrontato questa incertezza costruendo un ponte completo tra il mondo microscopico degli atomi e il mondo macroscopico del flusso di calore. Non si sono affidati a un solo metodo per risolvere l'enigma. Al contrario, hanno combinato tre approcci distinti: esperimenti del mondo reale, simulazioni al computer che tracciano i singoli atomi e un nuovo tipo di intelligenza artificiale progettata per apprendere le leggi della fisica. I ricercatori hanno iniziato creando i propri campioni di silicio poroso. Hanno preso dei comuni wafer di silicio e hanno utilizzato un bagno chimico con una corrente elettrica per asportare il materiale, lasciando dietro di sé una struttura simile a una spugna. Regolando attentamente l'intensità della corrente elettrica, potevano controllare la densità dei fori, creando strati con una porosità compresa tra il 48 e il 75 per cento. Per vedere cosa avevano creato, hanno esaminato i campioni sotto potenti microscopi, rivelando che i fori formavano colonne distinte che attraversavano il materiale, una forma caratteristica del silicio fortemente drogato con cui avevano iniziato.

Per misurare quanto bene questi materiali conducessero il calore, il team ha utilizzato una tecnica chiamata misurazione fotoacustica. Hanno proiettato un raggio laser modulato sul silicio, facendo sì che la superficie si riscaldasse e si raffreddasse rapidamente. Questo riscaldamento ritmico ha creato onde sonore nell'aria sopra il campione, che un microfono sensibile poteva rilevare. Analizzando la forza e la tempistica di queste onde sonore, i ricercatori potevano calcolare l'esatta conducibilità termica dello strato poroso senza toccarlo. Hanno scoperto che il trasporto di calore non dipendeva solo dal numero di fori, ma era fondamentalmente governato dal drogaggio iniziale del wafer di silicio. Il livello di drogaggio determinava se la struttura interna formasse una rete casuale, simile a una spugna, o una più organizzata, di tipo colonnare. Questa differenza strutturale significava che la stessa quantità di porosità poteva dare risultati termici molto diversi a seconda del materiale di partenza.

Per comprendere la fisica alla base di queste misurazioni, i ricercatori si sono rivolti a due diversi modelli computazionali. In primo luogo, hanno utilizzato simulazioni di dinamica molecolare, che agiscono come un film ad alta velocità di atomi in movimento e collisione. Questo metodo è eccellente per osservare come il calore viaggi attraverso strutture minuscole e specifiche, dove i confini dei fori disperdono le vibrazioni che trasportano il calore, note come fononi. Le simulazioni hanno mostrato che per i campioni fortemente drogati e colonnari, questo scattering (dispersione) a livello atomico era il fattore dominante nel ridurre il flusso di calore. Tuttavia, questo metodo è troppo lento per modellare reti ampie e complesse. Per questo scopo, il team ha impiegato le Reti Neurali Informate dalla Fisica (Physics-Informed Neural Networks), una forma di intelligenza artificiale progettata per apprendere le leggi della fisica applicando le equazioni del calore. Questo approccio ha permesso loro di modellare i percorsi complessi e casuali del calore attraverso la spugna porosa, catturando come il calore fluisce attraverso l'intera rete anziché solo attraverso una piccola sezione.

I risultati di questi sforzi combinati hanno rivelato un quadro chiaro del perché studi precedenti talvolta discordassero. I ricercatori hanno scoperto che le proprietà termiche erano dettate dalla concentrazione di portatori del cristallo di silicio originale, che controllava la forma dei pori. Nel silio con drogaggio leggero, i pori formavano una struttura casuale e labirintica che rendeva molto difficile per il calore trovare un percorso, portando a una rapida caduta della conducibilità. Al contrario, il silicio fortemente drogato formava strutture colonnari che agivano come autostrade termiche, permettendo al calore di muoversi più facilmente nonostante la presenza di molti fori. Le simulazioni di dinamica molecolare corrispondevano al comportamento di questi campioni colonnari e fortemente drogati, mentre i modelli di rete neurale eccellevano nella previsione del comportamento delle strutture casuali e spugnose tipiche del drogaggio più leggero. Fondendo i loro dati sperimentali con queste simulazioni e la letteratura esistente, il team ha utilizzato una tecnica matematica chiamata regressione simbolica per derivare una formula singola e unificata. Questa formula prevede accuratamente la conducibilità termica del silicio poroso in base alla sua porosità e temperatura, coprendo un ampio intervallo da temperatura ambiente fino a 900 Kelvin.

Questo lavoro non si limita a fornire un nuovo numero da utilizzare per gli ingegneri; risolve una confusione di lungo corso nel settore mostrando che la storia del materiale è fondamentale. La stessa porosità può produrre risultati diversi a seconda di come il materiale è stato cresciuto. L'approccio ibrido del team, che collega il movimento dei singoli atomi al flusso di calore attraverso un intero materiale, offre uno strumento affidabile per progettare migliori isolanti termici e dispositivi termoelettrici. La loro formula finale, che funziona attraverso un ampio intervallo di temperature e densità di fori, consente previsioni precise senza la necessità di esperimenti costosi e dispendiosi in termini di tempo per ogni nuovo design. Chiarendo come la struttura e il drogaggio interagiscano per controllare il calore, questa ricerca fornisce una solida base per la prossima generazione di tecnologie basate sul silicio, garantendo che il calore sia gestito esattamente dove è necessario.