Indicators for phonon hydrodynamics from first principles predictions of thermal conductivity

本文提出了一种计算高效的指标，定义为通过完整线性化佩里耶尔 - 玻尔兹曼方程计算得到的热导率与弛豫时间近似下得到的热导率之比，旨在识别并加速发现表现出声子流体动力学特性的材料，同时强调了严格的布里渊区采样收敛对于准确预测的必要性。

要点

想象一下热量在固体材料中传播，就像一群人试图穿过一条繁忙的走廊。

通常的方式：扩散式人群
在大多数材料（如计算机芯片中的硅）中，热量的传播就像一群混乱的人群。人们不断相互碰撞，随机改变方向。他们并非作为一个整体移动，只是推推搡搡地向前挤。这被称为“扩散式”热流。它缓慢、混乱，并遵循我们在学校学到的标准物理规则（傅里叶定律）。

特殊的方式：流体式河流
在某些特殊材料（如石墨或金刚石）中，会发生某种神奇的现象。“人们”（实际上是被称为声子的微小振动）不再随机相互碰撞。相反，它们开始像河流平稳流动一样，以同步的、流体般的流束共同移动。这被称为流体热流。它极其快速且高效。科学家已在室温下的石墨中观察到这种现象，但要找到其他具有这种特性的材料，无异于大海捞针。

问题：昂贵的搜索
为了找到这些特殊材料，科学家利用强大的计算机来模拟声子的行为。

• “简单”方法（RTA）： 这就像只通过观察个体有多快感到疲惫来猜测人群如何移动。计算速度快，但对于这些特殊材料往往不准确，因为它忽略了人群作为一个整体移动的事实。
• “困难”方法（完整解）： 这模拟了人群中每个人之间的每一次相互作用。它极其准确，但需要巨大的计算能力和时间。这就像为了看一百万人是否在体育场中同步行进，而试图模拟每个人的每一步。

发现：一个简单的“试金石”
本文作者发现了一个巧妙的捷径。他们发现了一个可以计算的简单比率，无需进行超昂贵的完整模拟，就能告诉你一种材料是否具有这种特殊的“河流般”热流。

他们将此比率称为 $\kappa_{LPBE} / \kappa_{RTA}$。

以下是类比：

• 想象你有两种预测河流流速的方法。
  • 方法 A（RTA）： 仅根据单个游泳者划水的速度来预测流速。
  • 方法 B（完整解）： 通过模拟整个河流的流速来预测，包括水流如何将游泳者推挤在一起。
• 指示器： 如果方法 B 给出的结果远高于方法 A（高比率），这意味着水流将游泳者推挤在一起。人群正在作为一个团队移动！这个高比率就是该材料具有流体热流的“确凿证据”。
• 如果两种方法给出的结果相似（比率接近 1），则人群只是在随机推挤（扩散式流动）。

为何这很重要
在此之前，科学家必须运行超昂贵的“方法 B"模拟，才能知道一种材料是否特殊。现在，他们可以运行廉价的“方法 A"模拟，将其乘以一个系数并检查比率。如果比率很高，他们就知道自己找到了赢家。这就像一个低成本过滤器，可以快速扫描数千种材料，以找出那些可能具有这种超高效热流的材料。

一个至关重要的警告
该论文还警告说，该测试对计算机模拟的设置非常敏感。如果你没有观察足够的细节（例如对材料结构的放大倍数不够），你可能会得到一个虚假的“高比率”，当你看得更仔细时，这个比率就会消失。这就像给人群拍了一张模糊的照片，以为他们在同步行进，直到放大后才发现他们实际上只是在随机行走。你必须小心地将“分辨率”调整到恰到好处，才能信任结果。

总结
本文提供了一种简单、廉价且快速的方法，用于识别热量像流体而非气体那样流动的材料。通过将一个简单计算与一个稍复杂的计算进行比较，科学家现在可以快速识别出可能彻底改变我们管理电子设备热量方式的新材料，而无需为每一个候选材料运行昂贵且耗时的模拟。

技术摘要

技术摘要：基于第一性原理预测的声子流体动力学指标

问题陈述
半导体中的热输运通常由傅里叶定律描述，其中声子因散射而发生扩散。然而，在动量守恒的 Normal（N）散射占主导地位、超过动量耗散的 Umklapp（U）散射的材料中，声子可表现出集体漂移，从而导致流体动力学热流机制。这种机制以二次声和热整流等现象为特征，已在石墨、氟化钠和砷化硼等材料中通过实验观察到。尽管已有这些观测结果，但由于缺乏计算高效且基于微观的指导原则，发现能够在技术相关温度（例如接近室温）下维持流体动力学热流的新材料和实验条件受到阻碍。现有的热导率（$\kappa$）预测方法往往无法区分扩散机制与流体动力学机制，或者计算成本过高，难以用于高通量筛选。

方法论
作者通过求解非平衡偏差声子分布函数（$f_\lambda$）的线性化 Peierls–Boltzmann 方程（LPBE），利用第一性原理预测热导率。该研究比较了求解 LPBE 的三种不同方法：

1. 完整 LPBE 解（$\kappa_{LPBE}$）： 通过迭代求解器获得，该求解器考虑了完整的、稠密的碰撞矩阵（$\Omega$），包括耦合不同声子模式的非对角项。这捕捉到了声子的集体漂移。
2. 弛豫时间近似（RTA）（$\kappa_{RTA}$）： 一种简化解法，仅考虑碰撞矩阵的对角项，有效地忽略了模式耦合和集体漂移。
3. Callaway 近似（$\kappa_{Callaway}$）： 一种中间方法，将 N 散射和 U 散射过程分离，但保留了仅对角散射率的计算简便性，未能完全捕捉非对角耦合。

作者分析了多种材料（包括 10BP、同位素富集金刚石、硅和单层石墨烯）在不同温度下的比率 $\kappa_{LPBE}/\kappa_{RTA}$。他们将此比率与碰撞矩阵本征模（relaxons）对总热导率的谱贡献相关联。方法论的一个关键方面涉及关于布里渊区（BZ）采样密度的严格收敛性研究，因为作者指出，粗糙的网格可能会人为地夸大流体动力学特征。

主要贡献与结果

• 低成本指标的识别： 论文确立比率 $\kappa_{LPBE}/\kappa_{RTA}$ 可作为声子流体动力学强度的计算低成本且稳健的指标。高比率与强流体动力学特征（集体漂移）相关，而接近 1 的比率则表明主要是扩散输运。
• 仅对角近似的失效： 研究表明，仅依赖对角散射率的方法（RTA 和 Callaway 近似）不足以预测流体动力学特征。这些方法在超高热导率材料中低估了 $\kappa$，并且未能捕捉到热流向少数漂移本征模的谱重新分布，而这正是流体动力学的标志。
• 流体动力学的谱分析： 通过将 $\kappa_{LPBE}$ 分解为碰撞矩阵本征模的贡献，作者表明，强流体动力学机制的特征是少数本征模具有近乎简并、趋近于零的本征值，并贡献了大部分热导率。相比之下，扩散机制（例如 60 K 下的硅）显示出许多具有较大本征值的本征模的广泛贡献。
• BZ 采样收敛性： 作者揭示了 BZ 采样密度的关键依赖性。对于低温下的超高热导率材料，随着 BZ 采样密度的增加，比率 $\kappa_{LPBE}/\kappa_{RTA}$ 和流体动力学特征的强度会降低。粗糙的网格可能会高估流体动力学效应，因此需要进行仔细的收敛性研究以确保预测准确。
• 特定材料的发现：
  • 10BP 和富集金刚石： 这些材料在特定低温下表现出约 4 的比率，其谱贡献由漂移本征模主导，证实了强流体动力学行为。
  • 硅： 即使在低温（60 K）下，硅的比率也约为 1，且谱分布广泛，证实了其扩散性质。
  • 石墨烯： 在悬浮单层石墨烯中，随着温度降低，比率显著增加（从 300 K 时的 $<4$ 增加到 150 K 时的约 13），这与由非谐重整化和四声子散射驱动的流体动力学特征增强相关。

意义
论文声称，将 $\kappa_{LPBE}/\kappa_{RTA}$ 识别为一种计算高效的指标，将加速数据驱动的新材料和实验条件的搜索，以发现表现出非常规、非扩散热流机制的体系。通过提供一种替代指标，避免了全碰撞矩阵对角化所 prohibitive 的计算成本，该方法使得筛选材料数据库成为可能，以寻找适用于热整流、热隐身和热屏蔽等应用的候选材料。这项工作强调了超越标准散射率近似、以完全捕捉声子流体动力学物理机制的必要性。