JMCA: 机器学习+DFT揭示化学成分在决定氧硫属化物晶格热导率中的作用

氧硫属化合物代表了一个大的化学空间，由于其低导热性而具有作为热电材料的潜在可能。然而，这种行为的性质仍在争论中，了解这些材料非谐性的起源是开发提高热电材料效率模型的关键。

在此，西班牙塞维利亚大学Jose J. Plata等人展示了将机器学习和DFT计算相结合而加速对大型化学空间中氧硫属化合物的晶格热导率（κ_l）的高精度预测方法，而且还促进了设计原则的发展以促进发现新的热电材料。虽然之前的大多数理论工作都基于谐波特性讨论了低κ_l氧硫属化物的起源，但作者引入了一种基于声子态密度、累积κ_l以及最重要的散射率热图及其原子投影分析的新方法。

为了揭示每种化学物质的作用，作者对所有位点进行了化学取代并描述了对κ_l的两个主要贡献。研究表明，低频声子对κ_l的贡献可以用重的三价和一价阳离子最小化，具有相似振动频率的重原子促进了声学和低频光学模式之间的散射。

图1. 硫属元素取代的影响

此外，作者还发现高频光学模式对平面内累积κ_l有重要贡献。散射率热图的原子投影表明，这些模式主要集中在O原子上。虽然O原子是这些高频声子的主要贡献者，但其散射率对[M₂O₂]²⁺平板的三价原子很敏感。作者发现，三价原子的原子质量不是改变这些模式散射率的驱动力。

然而，具有LPE的元素增加了散射率，降低了这些模式对κ_l的贡献。最后，遵循这些基于化学成分的设计原则，作者提出了将BiOAgSe和BiOAg_0.5Cu_0.5Se作为热电应用的两种最佳氧硫属化合物。其中，合金化的BiOAg_0.5Cu_0.5Se在300 K时的κ_l为0.78 WK^-1 m^-1，比BiOAgSe小10%。此外，用Cu取代Ag有利于载流子的存在，可获得更高的功率因数。因此，可预期BiOAg_0.5Cu_0.5Se是热电材料的潜在候选者。

图2. BiOAg_0.5Cu_0.5Se的低热导率及原因

Unraveling the role of chemical composition in the lattice thermal conductivity of oxychalcogenides as thermoelectric materials, Journal of Materials Chemistry A 2022. DOI: 10.1039/D2TA02180C

原创文章，作者：v-suan，如若转载，请注明来源华算科技，注明出处：https://www.v-suan.com/index.php/2023/10/07/ad76c7876c/

JMCA: 机器学习+DFT揭示化学成分在决定氧硫属化物晶格热导率中的作用

相关推荐