北京理工大学张刚团队：机器学习势函数-氮化硅Si\u2083N\u2084 高晶格热导率 | Review of Materials Research

本文背景是氮化硅（Si₃N₄）因其优异性能备受关注，但α相与β相之间晶格热导率差异的物理机制尚不明确。研究目的是通过构建高精度的神经演化势（NEP）机器学习势函数，结合分子动力学方法，计算并比较两相在300-1100 K温度范围内的晶格热导率，以揭示其差异的物理起源。结论表明，β-Si₃N₄在室温下沿c轴的热导率（162.04 ± 9.63 W/mK）显著高于α-Si₃N₄（87.03 ± 1.69 W/mK），这归因于β相更高的晶体对称性，导致在主导热输运的频率范围内具有更大的声子群速度和更长的声子寿命。温度升高时，两相热导率均因非简谐散射增强而下降。该研究为优化氮化硅基热管理材料提供了理论依据。