High-throughput development of flexible amorphous materials showing large anomalous Nernst effect via automatic annealing and thermoelectric imaging

Titel: High-throughput ontwikkeling van flexibele amorfe materialen met een groot anomale Nernst-effect via automatische temperatuurbehandeling en thermoelektrische imaging.

1. Het Probleem

De wereldwijde overgang naar een koolstofneutrale samenleving vereist efficiënte methoden om lage-kwaliteit afvalwarmte om te zetten in bruikbare elektrische energie. Hoewel thermoelektrische materialen veelbelovend zijn, staan conventionele longitudinale apparaten (gebaseerd op het Seebeck-effect) voor uitdagingen zoals de noodzaak van n- en p-type materialen, contactweerstand en beperkte mechanische flexibiliteit.

Transversale thermoelektrische apparaten, gebaseerd op het anomale Nernst-effect (ANE), bieden een oplossing omdat ze spanning loodrecht op de warmtestroom genereren. Dit elimineert de noodzaak voor n/p-overgangen en maakt fabricage uit één materiaal mogelijk. Echter, het vinden van nieuwe, efficiënte ANE-materialen is moeilijk omdat:

• Traditionele materialenontwikkeling vaak afhankelijk is van hoogwaardige enkelkristallen, wat de schaalbaarheid en flexibiliteit beperkt.
• De prestaties van amorfe of deels gekristalliseerde materialen sterk afhankelijk zijn van de temperatuurbehandeling (annealing), wat een enorme parameter ruimte creëert die moeilijk handmatig te screenen is.
• Conventionele meetmethoden (met elektroden en heaters per monster) traag zijn en menselijke fouten introduceren, waardoor het vinden van de optimale samenstelling en behandelingscondities inefficiënt verloopt.

2. Methodologie

De auteurs hebben een high-throughput screening-strategie ontwikkeld die twee geautomatiseerde systemen integreert om 151 monsters te evalueren:

• Automatische Temperatuurbehandeling (Annealing):

  • Een robotisch systeem met drie sets armen, ovens en afkoelbaden (quenching) voert warmtebehandelingen uit onder vacuüm.
  • Het systeem kan 12 monsters tegelijk laden en 3 monsters simultaan behandelen zonder menselijke tussenkomst, wat oxidatie voorkomt en reproduceerbaarheid garandeert.
  • Een feedback-loop werd gebruikt: na een eerste screening werden de beste monsters verder geoptimaliseerd met kleinere temperatuurstappen (van 50 K naar 25 K en 12,5 K).

• Contactloze Meting via Lock-in Thermografie (LIT):

  • In plaats van het meten van het ANE (spanning door warmtegradiënt), werd het omgekeerde anomale Ettingshausen-effect (AEE) gemeten (temperatuurgradiënt door stroom), gebaseerd op de Onsager-reciprociteit ($S_{ANE} = \Pi_{AEE}/T$).
  • Monsters werden parallel op een glazen substraat geplaatst en elektrisch in serie geschakeld.
  • Een AC-stroom werd aangelegd onder een magnetisch veld. Een infraroodcamera met lock-in-verwerking detecteerde de transversale temperatuurverschillen ($\Delta T$) met een resolutie van < 1 mK.
  • Door het magnetisch veld te symmetriseren ($\pm H$) werden storende effecten (zoals Joule-verwarming en Peltier-effect) geëlimineerd, waardoor alleen het pure AEE-signaal overbleef.

• Materialen:

  • Er werden 11 verschillende Fe-gebaseerde amorfe legeringen (ribbons) geproduceerd met variaties in Si, B, Nb, Cu en P.
  • De temperatuurbehandeling varieerde van 300 K (zo-gegoten) tot 1073 K.

3. Belangrijkste Bijdragen

• Geïntegreerd High-Throughput Platform: De eerste demonstratie van een volledig geautomatiseerd systeem dat annealing en contactloze thermoelektrische karakterisering combineert voor het screenen van magnetische materialen.
• Statistische Inzichten: Door 151 monsters te screenen, konden de auteurs een universeel patroon identificeren dat met traditionele "trial-and-error"-methoden vaak over het hoofd wordt gezien.
• Mechanisme-analyse in Amorfe Systemen: Het paper biedt nieuwe inzichten in hoe transversale deflexie van elektronen werkt in complexe, ongeordende systemen, waarbij zowel nanoclusters als kortafstandsordening een rol spelen.

4. Resultaten

• Prestaties: Zeven veelbelovende kandidaten werden geïdentificeerd. De beste prestaties werden behaald bij monsters die zijn gegloeid vlak onder de eerste kristallisatietemperatuur ($T_{x1}$).
• Recordwaarden: De hoogste gemeten anomale Nernst-coëfficiënt ($S_{ANE}$) bedroeg 4,8 µV/K (voor monster D2-673, samenstelling Fe79Si4B14Cu1P2). Dit is de hoogste waarde ooit gerapporteerd voor flexibele materialen (zowel in bulk als dunne film).
• Flexibiliteit: Alle hoge-prestatie monsters behielden hun mechanische flexibiliteit omdat ze bij milde temperaturen ($< T_{x1}$) waren behandeld. Monsters die bij hogere temperaturen werden gegloeid, werden bros door volledige kristallisatie.
• Structuur-Prestatie Relatie:
  • Cu-rijke monsters: Toonden een hoge dichtheid aan Cu-nanoclusters (ongeveer 5 nm) in de amorfe matrix, wat bijdraagt aan de ANE-versterking via interfaciale spin-orbit interacties.
  • Cu-vrije monsters: Ook Cu-vrije monsters (bijv. B1-623) vertoonden een sterke versterking, ondanks het ontbreken van duidelijke nanoclusters. Dit suggereert dat kortafstandsordening (short-range order) in de amorfe matrix en de vorming van amorfe-kristallijne hetero-domeinen cruciaal zijn voor het ANE, zelfs zonder lange-ordening.
• Universeel Gedrag: De versterking van het ANE trad consistent op bij temperaturen net onder $T_{x1}$, ongeacht de specifieke samenstelling.

5. Betekenis

Deze studie markeert een doorbraak in de ontwikkeling van materialen voor energie-oogst:

1. Efficiëntie: Het high-throughput platform versnelt het ontdekken van optimale materialen aanzienlijk en overwint de beperkingen van traditionele, handmatige methoden.
2. Toepassingsmogelijkheden: De geïdentificeerde flexibele materialen met record-hoge ANE-waarden zijn ideaal voor het oogsten van energie van gebogen of onregelmatige warmtebronnen (bijv. industriële buizen, menselijk lichaam).
3. Fundamenteel Inzicht: Het werk toont aan dat hoge thermoelektrische prestaties niet afhankelijk hoeven te zijn van perfecte kristalstructuren of topologische halfmetalen, maar ook bereikt kunnen worden in disordered systemen door het beheersen van nanostructuur en lokale atomaire orde.
4. Toekomstperspectief: De gegenereerde dataset vormt een solide basis voor data-gedreven materiaalontdekking en machine learning, wat essentieel is voor het ontwerpen van de volgende generatie thermoelektrische materialen.