Maschinelles Lernen erklärt unerwartete Wärmeleitfähigkeit von Materialien

Maschinelles Lernen erklärt unerwartete Wärmeleitfähigkeit von Materialien

Forscher der Cornell University haben mithilfe einer Kombination aus Maschinenlernen und leistungsstarken Röntgenstrahlen ein Rätsel gelöst, das sich hinter dem ungewöhnlichen Verhalten einer Klasse von Materialien verbirgt, die Potenzial für die thermoelektrische Energieumwandlung und andere Anwendungen haben. Die kubische Phase des Germaniumtellurids (GeTe) zeigt eine unerwartete Zunahme der Gitterwärmeleitfähigkeit, wenn die Temperatur ansteigt. Die Studie vertieft das Verständnis für den Wärmetransport in einer Klasse von Materialien, die als Phasenwechselmaterialien bekannt sind.

Während Forscher schon lange wussten, dass die kubische Phase von Germaniumtellurid (GeTe) eine unerwartete Zunahme der Gitterwärmeleitfähigkeit zeigt, konnte nun eine überzeugende Erklärung für dieses Verhalten gefunden werden. Durch die Erwärmung eines GeTe-Samples von einer rhomboedrischen Struktur zu einer kubischen Struktur verstärken sich die Bindungen zwischen zweitnächsten Nachbarn wie etwa Ge-Ge und Te-Te erheblich. Dies wurde mithilfe von maschinellem Lernen und Röntgenstreuungsmessungen computergestützt reproduziert und erklärt, wie die verstärkten Bindungen zu der unerklärbaren Zunahme der Gitterwärmeleitfähigkeit bei GeTe beitragen.

Die Verwendung von Materialien nahe Phasenübergängen oder bei hohen Temperaturen bietet vielversprechende Anwendungen für Phasenwechselmaterialien wie GeTe. Die optischen und elektrischen Eigenschaften dieser Materialien ändern sich je nach Phase und können einfach umgekehrt werden. GeTe wird als Ersatz für das Halbleitergermaniumtellurid als thermoelektrisches Material diskutiert. Die Arbeit zeigt einen effizienten Weg für die genaue Modellierung von Materialien nahe Phasenübergängen oder bei hohen Temperaturen auf, die für Phasenwechsel, Thermoelektrik und andere Energieanwendungen geeignet sind.

Die Forscher haben auch andere Materialien identifiziert, die eine ähnliche Zunahme der Wärmeleitfähigkeit zeigen, darunter Zinn-Tellurid und Zinn-Selenid. Es wird gehofft, dass ihre Arbeit das Interesse an der eingehenden Untersuchung des Wärmetransportverhaltens anderer Phasenwechselmaterialien weckt. Insgesamt hat die Studie gezeigt, wie Maschinenlernen eine Erklärung für das unerwartete Verhalten von Materialien bei thermischer Leitfähigkeit liefern kann.