利用机器学习设计最佳纳米结构以控制材料中的热电流

一个研究小组，由Junichiro Shiomi副教授（也隶属于中心材料研究的信息集成cmi2 ] [ NIMS），博士后研究员盛红居、助理教授Takuma Shiga，博士生雷锋从东京大学工学研究生院前沿科学教授Koji Tsuda东京大学学校（也隶属于cmi2 NIMS）和负折射率材料研究人员朱峰候开发了一种用于识别最佳的纳米结构可以最大化或最小化的目标材料的热阻计算方法（物理。Rev。“通过贝叶斯优化设计声子输运纳米结构”。

与传统方法相比，该方法计算量减少了90%以上。该小组还成功地设计了新颖的、非直觉的纳米结构。

图显示计算方法确定结构，最大化或最小化热电阻。（图片：NIMS）

近年来，在热管理应用中，控制纳米材料中纳米尺度结构的热输运技术受到了人们的广泛关注。利用纳米级声子的弹道行为，热传递变得更加可控（例如，在超晶格结构和纳米晶材料中，在纳米级间隔创建界面），热电阻可以显著提高。

虽然计算科学的进步极大地促进了这些改进，但没有进行最佳结构设计的研究。

该研究小组最近开发了一种结合纳米结构热输运和贝叶斯优化方法的优化纳米结构的新方法。

这种新开发的方法适用于二维晶体材料，通过将一个描述符分配给构成纳米结构的每一个原子，从而确定出众多候选结构中的最佳结构。

将这种方法应用于由硅和锗组成的材料中，证明了它只需计算总候选结构的一小部分即可确定最佳结构。与预期相反的是，在选定的结构中，最大热阻的最佳结构具有非周期层状结构，而不是周期性超晶格结构。

此外，发现最佳结构的机理可以用声子的粒子和波的性质来解释。

这项研究表明，材料信息学-材料科学和机器学习之间的融合-是有用的热功能纳米材料的发展。鉴于创造各种新的纳米技术的进步，识别结构，最大/最小目标材料热电阻技术，随着材料的设计，有助于提高光学和电子器件的散热、隔热保护装置和热电转换元件的效率。