【衬底论文】利用机器学习潜能，通过非传统成键机制提高 β-Ga₂O₃ 的异常热导率

        由湖南科技大学的研究团队在学术期刊 Materials Today Physics 发布了一篇名为 Abnormal thermal conductivity increase in β-Ga₂O₃ by an unconventional bonding mechanism using machine-learning potential（利用机器学习潜能，通过非传统成键机制提高 β-Ga₂O₃ 的异常热导率）的文章。

摘要

        β-Ga₂O₃ 具有超宽禁带（约4.9 eV）和高临界电场，在功率电子领域具有潜力，但其低热导率限制了其性能和可靠性，因为由极高功率密度引发的高热流密度对其提出了挑战。通过结合第一性原理计算、机器学习势能和求解声子玻尔兹曼传输方程，我们发现将八面体配位的 Ga 替换为 Al，显著提高了从 100 K 到 800 K 的热导率。在室温下，铝掺杂的 β-Ga₂O₃ 达到了 38.91 W/mK，比原始的 β-Ga₂O₃（17.10 W/mK）高出超过 2 倍，甚至超过了 β-Al₂O₃（30.52 W/mK）。这一异常的提升，尽管存在较重的原子质量和混合质量分布，其根本原因在于由于降低了键合强度的不均匀性，抑制了非谐波特性。实验的结果可能有助于通过化学键合机制合理设计具有定制热学性质的材料。

原文链接：

https://doi.org/10.1016/j.mtphys.2025.101677