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

Warmte beweegt door vaste stoffen op een manier die vaak onzichtbaar is, maar fundamenteel belangrijk voor de werking van onze technologie. In kristallen, die vaste stoffen zijn met een perfect, herhalend patroon van atomen, reist warmte niet als een vloeistof, maar als trillingen van de atomen zelf. Deze trillingen, bekend als fononen, dragen energie van de ene naar de andere kant van een materiaal. Voor sommige toepassingen, zoals het koelen van een krachtige computerchip of een hogesnelheidslaser, hebben ingenieurs materialen nodig die deze warmte zo snel mogelijk doorlaten. Voor andere taken, zoals het efficiënt houden van een thermo-elektrische generator of het isoleren van een gebouw, moeten ze juist materialen vinden die de warmte vasthouden door de trillingen tot een kruiptempo te vertragen. De uitdaging is altijd geweest om nieuwe materialen met deze extreme eigenschappen te vinden. Hoewel wetenschappers al lang weten dat zware atomen of zwakke bindingen de warmte de neiging geven te vertragen, en lichte, sterke bindingen de warmte versnellen, zijn deze regels vaak te vaag om precies te voorspellen hoe een specifiek nieuw kristal zich zal gedragen.

Een team van onderzoekers heeft nu een veel scherpere manier ontwikkeld om in deze materialen te kijken, waarbij ze verder gaan dan eenvoudige vuistregels naar een gedetailleerd begrip van hoe atomen elkaars hand vasthouden. Door de elektronische lijm te analyseren die de atomen samenbindt, creëerden ze twee nieuwe manieren om de sterkte van deze verbindingen te meten. Ze ontdekten dat deze metingen fungeren als een betrouwbaar kompas om te voorspellen of een kristal een thermische snelweg of een thermische doodlopende weg zal zijn. Met dit inzicht trainden ze een geavanceerd computermodel om bijna 200.000 bekende kristalstructuren te scannen. De zoektocht was succesvol: het model identificeerde tientallen nieuwe materialen die dynamisch stabiel zijn en extreme thermische eigenschappen bezitten, waaronder enkele die warmte geleiden met minder dan 2 watt per meter-kelvin en andere die het geleiden met meer dan 100 watt per meter-kelvin. Dit werk biedt een snelle, betrouwbare weg naar de ontdekking van de volgende generatie materialen voor thermisch beheer, van betere isolatoren tot efficiëntere energieomzetters.

De reis begon met het besef dat de oude manieren van het raden van thermisch gedrag tegen een muur aanliepen. Decennialang hebben wetenschappers vertrouwd op factoren zoals het gemiddelde gewicht van de atomen in een materiaal of de algemene eenvoud van de structuur om te schatten hoe goed het warmte geleidt. Hoewel deze factoren ertoe doen, falen ze vaak in het onderscheiden van materialen die op papier op elkaar lijken, maar in de praktijk heel verschillend reageren. Om dit op te lossen, richtten de onderzoekers hun aandacht op de chemische bindingen zelf. Ze concentreerden zich op twee specifieke elektronische handtekeningen: één die meet hoeveel energie vrijkomt wanneer atomen een binding vormen, en een andere die kwantificeert hoe covalent, of gedeeld, die binding is. Ze realiseerden zich dat als ze deze waarden zouden normaliseren—door ze aan te passen aan het aantal atomen en bindingen in het kristal—ze een universele schaal voor bindingssterkte konden creëren die werkt voor duizenden verschillende materialen.

Deze nieuwe beschrijvers, die het team de genormaliseerde negatieve geïntegreerde kristalelement-orbitaal Hamiltonpopulatie en de genormaliseerde geïntegreerde kristalelement-orbitaal bindingsindex noemt, bleken ongelooflijk krachtig te zijn. Toen de onderzoekers deze waarden uitzetten tegen de werkelijke thermische geleidbaarheid van meer dan 4.500 materialen, kwam er een duidelijk patroon naar voren. Materialen met hoge waarden op deze schalen, wat wijst op sterke, diepe elektronische bindingen, lieten warmte consequent vrij doorstromen. Omgekeerd hielden materialen met lage waarden, wat wijzigde op zwakke of ondiepe bindingen, de warmte vast. Cruciaal was dat deze relatie standhield, zelfs wanneer de materialen dezelfde gemiddelde atoommassa hadden, een factor waar eerdere modellen zwaar op vertrouwden. De nieuwe beschrijvers onthulden ook een direct verband met de mate waarin de atomen wankelen wanneer ze worden verhit. Sterke bindingen hielden de atomen stabiel, terwijl zwakke bindingen de atomen wild lieten rammelen, een beweging die de warmte verstrooit en vertraagt. Deze verbinding bood een fysieke verklaring voor waarom sommige materialen thermische isolatoren zijn en andere geleiders, geworteld in de directe elektronische structuur van de atomen.

Om deze ontdekking in de praktijk te brengen, bouwde het team een nieuw type kunstmatige intelligentiemodel genaamd een Crystal Attention Graph Neural Network. Denk aan dit model als een hooggetraind oog dat naar de rangschikking van atomen in een kristal kan kijken en onmiddellijk de sterkte van de bindingen kan "voelen" die de atomen bij elkaar houden, zonder dat daar de trage, dure computersimulaties voor nodig zijn die gewoonlijk dagen of weken duren. De onderzoekers leerden dit model eerst met de gegevens van de 4.500 materialen die ze al hadden geanalyseerd. Zodra het model de relatie tussen de kristalstructuur en de nieuwe bindingssterkte-beschrijvers had geleerd, lieten ze het los op een enorme database met bijna 200.000 ongeteste kristalstructuren. Het model voorspelde snel de bindingssterkte voor elk van hen, waardoor de meest veelbelovende kandidaten voor extreem thermisch gedrag werden gemarkeerd.

Uit deze enorme digitale sweep selecteerden de onderzoekers ongeveer 900 materialen die de meest extreme bindingssterktes vertoonden—ofwel zeer zwak of zeer sterk. Vervolgens onderwierpen ze deze kandidaten aan een rigoureus tweestaps verificatieproces. Eerst gebruikten ze een ander AI-model om te controleren of de kristallen stabiel waren, wat betekent dat ze niet uit elkaar zouden vallen of zichzelf in chaos zouden laten trillen. Ongeveer 80 procent van de kandidaten slaagde voor deze eerste stabiliteitstest. Voor degenen die overbleven, voerde het team gedetailleerde first-principles berekeningen uit, de gouden standaard van de computationele fysica, om de thermische geleidbaarheid te bevestigen. De resultaten waren opmerkelijk. Het model had succesvol 106 stabiele materialen met een ultralage thermische geleidbaarheid geïdentificeerd, waarvan 68 procent minder dan 2 watt per meter-kelvin geleidde. Aan de andere kant van het spectrum leverde de zoektocht 13 stabiele materialen op met een ultrahoge thermische geleidbaarheid, die allemaal meer dan 100 watt per meter-kelvin bedroegen.

De studie daagde ook enkele langgekoesterde overtuigingen uit over wat materialen ertoe brengt warmte te blokkeren. Eerder onderzoek suggereerde dat de aanwezigheid van specifieke "antibindende" elektronische toestanden de primaire boosdoener was achter een lage thermische geleidbaarheid. Echter, de nieuwe analyse toonde aan dat dit geen universele regel was. De onderzoekers vonden materialen met deze antibindende toestanden die nog steeds goed warmte geleidden, en materialen zonder deze toestanden die uitstekende isolatoren waren. In plaats daarvan bleken de nieuwe bindingssterkte-beschrijvers de consistente voorspeller te zijn. Dit onderscheid is van vitaal belang omdat het betekent dat wetenschappers niet langer kunnen vertrouwen op een enkel elektronisch kenmerk om te screenen op thermische eigenschappen; ze moeten kijken naar de algehele sterkte van de chemische binding.

De implicaties van dit werk strekken zich uit voorbij alleen het vinden van nieuwe materialen. Door een duidelijke link te leggen tussen elektronische binding en thermisch transport, hebben de onderzoekers een reeks intuïtieve principes vastgesteld die de vormgeving van toekomstige materialen kunnen sturen. Het team demonstreerde dat hun aanpak werkt voor een breed scala aan chemische families, inclusief die met zware elementen zoals lood en bismuth, evenals lichtere elementen zoals koolstof en boornitride, en complexe legeringen die alkali-metalen bevatten. De succesvolle identificatie van specifieke verbindingen, zoals diverse vormen van koolstof, boornitride en complexe legeringen met alkali-metalen, bewijst dat de methode robuust is. Deze bevindingen suggereren dat de weg naar de ontdekking van de volgende generatie thermische materialen niet langer een spel van kans of een traag proces van trial-and-error is, maar een gerichte zoektocht geleid door de fundamentele fysica van hoe atomen zich verbinden.