数据驱动的翻转工程实现 Janus 二维材料高热各向异性
Data-Driven Flipping Engineering for High Thermal Anisotropy in Janus Two-Dimensional Materials
研究以数据驱动的翻转工程,在14层Janus MoSSe堆叠中获得300 K下截面热导率0.082 ± 0.002 W m–1 K–1、各向异性比约760的结构。该结构由机器学习势分子动力学结合贝叶斯优化筛选,各向异性比较晶体参考高35%。翻转打破堆叠周期性,扰动2–8 THz中频声子并产生能带分裂与层局域平坦模式,减少截面传热通道,而面内低频声学声子输运影响可忽略。
已发表论文 · journal · 10.1021/acsnano.6c07922
本站摘要基于收录版本 v1(2026-10-26),原始摘要与 AI 导读固定保留。
IF(5) 17.0 · 2025 · 期刊参考指标
三维集成电路中异构芯片的垂直集成要求材料具备极端的热各向异性,以便在面内方向散热的同时抑制跨面泄漏。随机扭转的范德华堆叠可以增强各向异性,但其随机性难以精确控制。在此,我们报道了Janus MoSSe堆叠中的翻转工程,利用S–Mo–Se与Se–Mo–S终端之间的固有不对称性,将其作为一种与扭转正交的可编程结构自由度。通过将机器学习势分子动力学与贝叶斯优化相结合,针对14层MoSSe堆叠,我们发现了一种结构,其有效跨面热导率被强烈抑制至0.082 ± 0.002 W m–1 K–1(300 K),同时保持了稳健的面内传导,各向异性比约为760,比晶体参考值高出35%。这一效应源于翻转引起的堆叠周期性破缺,它扰动了中频声子(2–8 THz),导致能带劈裂以及近乎平坦的层局域模式。这些变化减少了跨面传播通道,从而削弱了它们对热输运的贡献,而其对以低频声学声子为主导的面内输运的影响可以忽略不计。因此,翻转工程提供了一种可编程的堆叠序列策略,以及一条在层状材料中设计各向异性性质的通用途径。
来源:ACS Nano · doi.org