【计算与机器学习】ASS: 用于热电的二维共价有机框架材料的机器学习加速设计

【计算与机器学习】ASS: 用于热电的二维共价有机框架材料的机器学习加速设计
成果简介
在实际应用中的有机热电材料需要高热力学稳定性和高热电系数。然而,通过传统的理论计算来设计有机热电材料是非常耗时的。近日,新加坡高性能计算研究院张刚、湖南科技大学刘清泉、周五星等人通过结合第一性原理计算、机器学习拟合势和求解声子玻尔兹曼输运方程,提出了一组新的二维共价有机框架半导体2AL-PR-X(X=2H,Ni,Pt,Zn)作为有机热电材料。
计算方法
作者利用维也纳从头算模拟包(VASP)程序进行基于密度泛函理论(DFT)的第一性原理计算,并使用Perdew–Burke–Ernzerhof(PBE)形式的广义梯度近似(GGA)来作为交换相关函数。其中,总能量和力的收敛标准分别为10−4 eV/Å和10−8 eV,而优化晶体的动能截断设置为550 eV,并且作者采用20Å的真空层来消除层间相互作用。此外,为了获得矩张量势(MTP),作者使用时间步长为1fs、温度为300K和3×3×1超晶胞的400步从头算分子动力学(AIMD)模拟来作为机器学习原子间势(MLIP)包的训练集
在MTP训练过程中,能量、力和应力是用于验证MTP相对于DFT误差的参数,并且在MTP的迭代优化过程中,作者分配给这些参数的权重分别为1、0.1和0.001。MTP可避免DFT的巨大计算成本,以快速计算二阶力常数(2nd-FC)和三阶力常量(3rd-FC)。而基于MTP的热输运计算中,作者使用5×5×1的超胞来获得2nd-FC和3rd-FC。根据2nd-FC,作者通过Phonopy包得到了声子谱。此外,基于2nd-FC和3rd-FC,作者可以通过11×11×1 k网格的ShengBTE包求解声子玻尔兹曼输运方程来获得晶格热导率。
结果与讨论
【计算与机器学习】ASS: 用于热电的二维共价有机框架材料的机器学习加速设计
图1 2AL-PR-X模型结构和能量随时间的变化
卟啉是一种由四个吡咯类亚基连接的大环有机化合物。卟啉分子环外键合的H原子有两种,一种是吡咯亚基(C2)碳原子上的H原子,另一种是桥接吡咯亚基的碳原子(C4)上的氢原子,它们都可以被有机官能团取代。因此,卟啉分子被乙炔桥接的情况有三种:1)乙炔仅取代C2碳原子上的H;2)乙炔仅取代C4原子上的H;3)乙炔取代了卟啉分子中所有的H。本工作中研究的2AL-PR-X结构基于第一种情况,俯视图和侧视图如图1(a)和图1(b)所示。为了研究2AL-PR-X的结构稳定性,作者在800K的温度下进行了1 ps的AIMD模拟。如图1(c)所示,四种结构的能量曲线在100 fs时趋于稳定,这表明2AL-PR-X结构在800K下也能保持稳定。
【计算与机器学习】ASS: 用于热电的二维共价有机框架材料的机器学习加速设计
图2 2AL-PR-X的晶格热导率,累积热导率的频率依赖性和单声子模式的晶格热导率
【计算与机器学习】ASS: 用于热电的二维共价有机框架材料的机器学习加速设计
图3 2AL-PR-X的ZA模、TA模、LA模和Opt模的弛豫时间和2AL-PR-2H,2AL-PR-Ni,2AL-PR-Pt和2AL-PR-Zn的声子群速度
如图2(a)所示,2AL-PR-X的晶格热导率满足κp(2AL-PR-Zn)>κp(2AL-PR-2H)>κp(2AL-PR-Ni)>κp(2AL-PR-Pt)。而在100K至900K的温度范围内,室温晶格热导率分别为9.6W/mK、6.1W/mK,5.1W/mK和4.5W/mK,这表明过渡金属原子插入卟啉环的中心对晶格热导率有显著影响。此外,2AL-PR-Zn的热导率大于2AL-PR-2H的热导率,这违背了重原子阻碍热传输的规律。为了解释这一现象,作者计算了这四种结构的频率相关累积热导率,具体如图2(b)所示。结果表明,2AL-PR-X的热输运主要由频率低于10 THz的声子贡献,包括声学声子(ZA、TA和LA)和低频光学声子(Opt)。如图2(c)所示,声学声子在热传输过程中起着重要作用,而ZA模式在三种声学模式中起着主要作用。
这是因为在2AL-PR-X结构中,ZA模式的声子弛豫时间(~103-104 ps)远高于TA和LA模式的声子驰豫时间(1~20 ps),具体如图3(a-d)所示。此外,如图3(e-h)所示,一些光学声子模式的群速度也接近声学模式的群速率,这解释了光学声子对热导率具有显著贡献的根本原因。2AL-PR-Pt的光学模式对晶格热导率的贡献显著降低,这是由于光学声子的群速度在低频下受到抑制,特别是在5~10THz的频率范围内,具体如图3(g)所示。
【计算与机器学习】ASS: 用于热电的二维共价有机框架材料的机器学习加速设计
图4 2AL-PR-2H、2AL-PR-Ni、2AL-PR-Pt和2AL-PR-Zn的声子态密度
如图4所示,在声子态密度(PDOS)中,四种结构的PDOS主要来自C原子的贡献,其他原子的PDOS比C原子低1~2个数量级。这表明2AL-PR-X主要通过共价有机骨架(卟啉环)进行热传输。因此,金属原子嵌入卟啉环的中心,不仅增强了类吡咯亚基之间的缔合,而且在一定程度上改变了卟啉环的振动模式。金属原子和卟啉环之间的键合越强,金属原子的振动模式和卟啉环的振动之间的杂化就越强,进而阻止了声子通过卟啉环的振荡传播。
【计算与机器学习】ASS: 用于热电的二维共价有机框架材料的机器学习加速设计
图5 2AL-PR-X的塞贝克系数,电导率,电子热导率,声子热导率以及功率因数和ZT
如图5所示,作者系统研究了2AL-PR-X的热电性能,其中包括塞贝克系数、电导率、电子热导率、声子热导率、功率因数和ZT。2AL-PR-X的电子输运性质仅显示出轻微的差异,但由于2AL-PR-X晶格热导率的显著差异,使ZT差异显著,具体如图5(d)所示。如图5(f)所示,2AL-PR-Pt的ZT在室温下最高,ZT的峰值约为0.32。另一方面,因为2AL-PR-Zn的晶格热导率最高,所以2AL-PR-Zn的ZT最低,ZT的峰值仅为0.16。此外,2AL-PR-X的最佳载流子浓度(nopt)均在6×1010cm-2左右。
【计算与机器学习】ASS: 用于热电的二维共价有机框架材料的机器学习加速设计
图6 2AL-PR-Pt在300K、500K和800K下的塞贝克系数,电导率,电子热导率,声子热导率以及功率因数和ZT
如图6所示,作者计算了2AL-PR-Pt在300-800K温度范围内的热电性能。在该温度范围内,2AL-PR-Pt的热电性能与温度呈正相关。其中,在300K、500K和800K的温度下,热电参数随载流子浓度的曲线如图6(a)、(b)和(c)所示,在低载流子浓度范围(<2×1010cm-2)内没有ZT峰,这是因为2AL-PR-Pt的带隙很小,并且随着温度的升高,电子被热激发到低能导带,因此在低载流子浓度范围内的塞贝克系数降低,同时电导率和电子热导率显著增加。然而,在含有nopt的较高载流子浓度范围内,每个热电参数都单调依赖于温度。即随着温度的升高,电导率和电子热导率降低,塞贝克系数增加,具体如图6(a)、(b)和(c)所示。
结论与展望
作者发现在中心嵌入金属原子可以显著提高卟啉环的稳定性,并且金属原子和卟啉环之间的相互作用将影响卟啉环中的声子模式,进而导致热导率降低。在所研究的2AL-PR-X中,2AL-PR-Pt在室温下的ZT峰值为0.32,在800K时可以达到0.9左右。该工作为二维共价有机框架材料的热传输调节提供了有效策略,并证明了2AL-PR-X材料在热电应用中的巨大潜力。
文献信息
Cheng-Wei Wu et.al Machine learning accelerated design of 2D covalent organic frame materials for thermoelectrics Applied Surface Science 2023
https://doi.org/10.1016/j.apsusc.2023.157947

原创文章,作者:计算搬砖工程师,如若转载,请注明来源华算科技,注明出处:https://www.v-suan.com/index.php/2024/02/03/14c25df30d/

(0)

相关推荐