Phonon-Mediated Thermal Transport in Nanocrystalline Silicon Using Machine-Learning Interatomic Potentials

技術要約：機械学習原子間ポテンシャルを用いたナノ結晶シリコンにおけるフォノン媒介熱輸送

問題提起
ナノスケールデバイス、特にナノ結晶シリコンを伴うデバイスにおける熱管理は、結晶粒界（GB）および界面におけるフォノン散乱によって根本的に制限されている。古典的な原子間ポテンシャル（Stillinger–WeberやTersoffなど）は大規模なシミュレーションを可能にしてきたが、その限定的な関数形式は、振動特性や非調和相互作用、界面の無秩序性を正確に捉えることに失敗することが多い。これは、フォノン分散、フォノン寿命、および熱境界抵抗（TBR）の予測において重大な不正確さを招く。特に、局所的な原子配置が理想的なバルク対称性から逸脱している構造的に複雑な環境においては顕著である。大規模な非平衡シミュレーションに必要な計算効率を維持しつつ、第一原理計算に近い精度を提供する原子間モデルが切実に求められている。

手法
著者らは、ガウス近似ポテンシャル（GAP）と等変ニューラルネットワークベースのMACEモデルを、格子力学計算および非平衡分子動力学（NEMD）と統合した、統一的な機械学習（ML）フレームワークを開発した。

1. モデルの訓練と検証:

   • バルクシリコン構成（ダイヤモンド立方構造）から得られた密度汎関数理論（DFT）参照データを用いて、エネルギーと力の統一データセットを生成した。
   • 4つのポテンシャルをベンチマークした：再学習されたGAPモデル、MACEモデル、および経験的なStillinger–Weber（SW）ポテンシャルとTersoffポテンシャルである。
   • 3×3×3のスーパーセル上で有限変位法（Phonopy/Phono3py）を用いて調和および非調和力定数を算出した。これらを用いて、フォノン分散、状態密度（DOS）、寿命、および格子熱伝導率（$\kappa$）を計算した。

2. 結晶粒界モデリング（格子力学）:

   • 傾斜角（misorientation angles）10°、20°、30°、および40°の対称傾斜結晶粒界を構築した。
   • システムを「近傍GB（near-GB）」領域と「GBコア（GB core）」領域に分割し、空間分解された振動特性を解析した。
   • GB構成に特化して訓練されたMACEポテンシャルを用い、無秩序な界面領域におけるフォノン寿命、平均自由行程（MFP）、および群速度を算出した。

3. 界面輸送（NEMD）:

   • QUIP/QUIPYインターフェースを介して、LAMMPS内でのML-NEMDシミュレーションを実施した。
   • 制御された界面粗さ（振幅 $A = 1, 2, 3$ Å の正弦波変位）を持つ双結晶系に対し、温度勾配（$T_{hot}=400$ K, $T_{cold}=300$ K）を印加した。
   • 定常状態の温度不連続性（$\Delta T_j$）および熱流束（$J_x$）から、熱境界抵抗（TBR）を抽出した。

主な結果

• バルク検証: MLIP（GAPおよびMACE）は、実験的なフォノン分散およびDOSを正確に再現し、音響枝と光学枝を正しく分離した。対照的に、SWおよびTersoffポテンシャルは、光学モードの周波数を系統的に過大評価し、非調和散乱を過小評価した。その結果、MLIPは実験データおよび第一原理計算と極めて良好に一致するフォノン寿命と格子熱伝導率（$\kappa$）を予測したが、古典的なポテンシャルは、人工的に長いフォノン寿命のために$\kappa$を大幅に過大評価した。
• 結晶粒界の振動特性: ナノ結晶シリコンにおいて、GBコアは、特に低周波の音響モードにおけるピークの広がりやスペクトル重みの再分配を含む、顕著なスペクトル変化を示した。GBコアにおけるフォノン寿命は、すべての周波数においてピコ秒スケールへと劇的に減少しており、強い散乱を示唆している。傾斜角が無秩序の程度に影響を与えたものの、主要な散乱メカニらしくは、特定の傾斜角ではなく局所的な原子の無秩序性であると特定された。
• 熱境界抵抗（TBR）: NEMDシミュレーションにより、TBRは界面の粗さと原子間ポテンシャルの選択の両方に高い感度を持つことが明らかになった。
  • 粗さへの依存性: 粗さの振幅（$A$）が増加すると、すべてのポテンシャルにおいてTBRが系統的に増加した。
  • ポテンシャルへの依存性: GAPモデルは、SW（1.08）やTersoff（1.17）と比較して、有意に高いTBR（$A=3$ Åにおいて最大1.66 m² K GW⁻¹）を予測した。この相違は、MLIPがより強い非調和散乱を捉えており、その結果としてより大きな温度跳躍（$\Delta T_j$）とより低い有効熱流束をもたらすことに起因する。
  • 実験との整合性: 粗い界面に対してGAPモデルが予測したTBR値は、実験範囲（0.3–2.3 m² K GW⁻¹）とよく一致しており、古典的なポテンシャルが高度に無秩序な形態において抵抗を過小評価する傾向があることを示している。

意義および主張
本論文は、精度とスケールの間の溝を埋める、統一的で内部整合性のある熱輸送モデリングの枠組みを確立したと主張している。MLIPが調和および非調和格子力学の両方において、より物理的に現実的な記述を提供するものであることを実証することで、著者らは、低次元材料における界面熱輸送の予測的モデリングには、経験的ポテンシャルを超えた手法が必要であると論じている。本研究は、原子間ポテンシャルの選択が、特に複雑で粗い界面における熱境界抵抗の予測を大きく変えることを強調している。本研究は、ML由来の力定数がナノ結晶シリコンにおける熱伝導率の抑制を信頼性高く捉えられることを検証しており、次世代のナノメカニカルおよびエレクトロニクスデバイスの熱設計のための堅牢なツールを提供している。