超高热导率材料预测：生成式深度学习

本文探讨了高导热材料在芯片和航天器件中的重要性，并指出预测具有超高热导率的新材料一直是学术界和工业界的研究热点。研究团队提出了一种融合晶体结构生成模型与机器学习势函数的方法框架，成功从100,000个候选结构中识别出34种超高热导相。该方法通过系统性量化生成模型输出结构与其能量最优构型间的几何偏差，揭示了晶格热导率对原子尺度结构扰动的高敏感性。研究还引入结构对称性度量过滤低对称及复杂结构，提升了计算效率。在碳材料体系的应用中，甄别出的34个超高热导相包括5种已知材料和8种完全新型的高导热结构，其中非金刚石相的最高热导率超过2,400 W m−1 K−1。该框架支持向多元组分体系的拓展，有望为新型功能材料设计建立新范式。