【国内论文】Int J Heat Mass Tran丨山东大学：基于主动学习驱动神经进化势的β-Ga₂O₃/4H-SiC功率器件界面热传输研究

        作为超宽禁带（UWBG）半导体的代表，氧化镓具有约 4.9 eV 的禁带宽度、高达 8 MV/cm 的击穿电场以及超过 3000 的巴利加优值。这些特性使其在下一代高功率电子系统中极具竞争力。尽管电学性能优异，但 β-Ga₂O₃ 的本征热导率极低（仅为 11–27 Wm⁻¹ K⁻¹）。在高功率密度应用场景下，器件微型化会导致局部热流极高，热管理成为制约其发展的关键挑战。为了解决散热问题，研究者尝试将 β-Ga₂O₃ 与高热导率材料进行异质集成 。其中，4H-碳化硅（4H-SiC）因具有优异的热导率（280–490 Wm⁻¹ K⁻¹）和可调的 p 型掺杂能力，成为理想的集成基底 。已有研究表明，这种集成方案可使结温降低 56%。在异质集成器件中，半导体异质结界面是热传输的主要障碍。化学键的不连续性、元素成分梯度以及界面对称性失配会引起声子能量和动量的差异，从而加剧声子散射，阻碍热量消散。单斜晶系 β-Ga₂O₃ 的晶体结构复杂，其与 4H-SiC 形成的界面具有多种晶体取向（如 (001)、(010) 等）。不同取向会导致不同的原子配置、悬挂键密度和晶格常数，进而引发极其复杂的界面热物理现象。传统的声子失配模型（AMM）和扩散失配模型（DMM）依赖于连续介质理论，忽略了原子级的结构细节，导致对界面热阻的预测分辨率不足 。同时，传统的经验原子间势函数在处理这种复杂异质系统时也存在局限性。

        β-氧化镓（β-Ga₂O₃）因其超宽带隙特性而备受重视，但其固有的低热导率对其发展构成了重大挑战。虽然与 4H-SiC 集成可为改善热管理提供途径，但该系统面临的主要挑战是界面热边界电阻（TBR）。为解决 β-Ga₂O₃/4H-SiC 界面固有的原子尺度复杂性以及经验原子间势能的局限性，本研究通过主动学习框架开发了一种神经进化势能（NEP）。所得的 NEP 在极其宽广的温度范围（10–1000 K）、多种结构配置（22 种配置）和较长的时间尺度（超过 10 ns）下均表现出鲁棒性，为阐明其底层热传输机制提供了可靠的工具。利用这一精确且全面的 NEP 模型，系统地研究了 β-Ga₂O₃/4H-SiC 异质界面热传导中的原子各向异性、方向不对称性以及温度依赖性。结果表明，TBR 表现出明显的原子各向异性、方向不对称性和温度依赖性，其中在热流从 4H-SiC 流向 β-Ga₂O₃ 时，O 端和 C 端界面表现出最低的 TBR，特别是在高温下。通过振动态密度 (VDOS) 分析、声子参与率 (PPR) 计算以及谱热导率 G(ω) 评估，阐明了支配界面声子耦合和传输的基本机制。通过建立 β-Ga₂O₃/4H-SiC 系统的精确原子间势能，并对界面热物理进行多维分析，本研究为基于 Ga₂O₃ 的电子器件的热性能提供了理论框架和优化策略。

        ●构建了首个基于 β-Ga₂O₃/4H-SiC 异质结的自适应学习驱动型净电子捕获率（NEP）。

        ●通过 22 种结构及 10-ns 分子动力学（MD）模拟，验证了该 NEP 在 10-1000 K 温度范围内的有效性。

        ●揭示了热阻（TBR）的原子各向异性、方向不对称性以及温度依赖性。

        ●增强的界面声子耦合与传输导致热阻降低。

        ●在 β-Ga₂O₃/4H-SiC 异质结中实现了超低热阻（1.29 m² K GW⁻¹）。

        本研究采用通过主动学习框架开发出的精确且全面的 NEP 模型，系统地评估了界面构型、热流方向和温度对 β-Ga₂O₃/4H-SiC 异质界面热传导的影响。该基于主动学习的NEP模型在宽广的温度范围（10–1000 K）内展现出卓越的普适性，可适应多种结构配置（22 种不同结构类型），并在保持高预测精度的同时，维持超过 10 ns 的时间稳定性。综合分析揭示了 β-Ga₂O₃/4H-SiC 异质结界面热传导的三个基本特征，包括原子各向异性，其表现为 TBR₍₀₁₀₎ < TBR₍₀₀₁₎ < TBR₍₁₀₀₎ & TBR₍₋₂₀₁₎；O 端（β-Ga₂O₃）和 C 端（4H-SiC）界面显示出极小的热阻；方向性不对称性表明 J⁺ 方向的 TBR 比 J^- 方向高 2.3 %–11.1 %；温度依赖性表现为随温度升高而单调递减。通过 VDOS、G(ω)和 PPR 分析，将这些现象归因于界面声子模耦合以及增强的跨界面声子传输概率。本研究建立了一种高精度 NEP，能够对 β-Ga₂O₃/4H-SiC 异质结的热传导特性进行原子级精确表征，并为改进基于 Ga₂O₃ 的先进电子器件的热管理提供了关键见解。

        作者对泰山产业领军人才计划、山东省自然科学基金（R2025ZD32）、国家自然科学基金（U20A20300）、深圳市基础研究专项（CYJ20240813101231040、JCYJ20250604124217023）以及广东省基础与应用基础研究基金（2025A1515012590）提供的支持表达感谢。

图1. （a）β-Ga₂O₃ 标准单元的示意图；（b）不同 β-Ga₂O₃ 晶面取向（（001）、（010）、（100）、（−201））下具有不同端面的晶体（Ga 端面、GaO 端面、O 端面）；（c）4H-SiC 标准单元。这些不同的晶面描绘了不同的原子端面。

图2. 基于主动学习的 NEP 构建方法包括：(i) 通过 AIMD 轨迹采样和随机结构扰动生成初始训练集；(ii) 通过主动学习对势能函数进行迭代优化，以确保系统结构配置空间得到全面覆盖；(iii) 使用 NEP_final 评估热力学性质。

图3. (a) NEMD 模拟的示意图及温度梯度。 (b) 指定热库之间累积能量振荡随时间的变化。

图4. (a) NEP 训练工作流的示意图。(b) 模型优化过程中能量、力及内能分量的收敛特性。(c) 能量、(d) 力、(e) 内能及 (f) 应力的对偶图，用于比较密度泛函理论（DFT）参考数据与 NEP 预测值，其中训练集和测试集的结果分别用蓝色和红色圆圈表示。虚线表示完全一致（y = x）。

图5. NEP 与 DFT 对 (a) β-Ga₂O₃ 和 (b) 4H-SiC 的晶格参数预测结果的对比。相应的声子色散关系如图 (c) 和 (d) 所示。图 (e) 和 (f) 展示了 NEP 预测、BTE-ALD 计算、实验测量以及经典分子动力学模拟结果中这两种材料的 k 值对比。

图6. 300 K 下具有不同界面构型的 β-Ga₂O₃/4H-SiC 异质结构的 TBR。符号形状对应不同的 β-Ga₂O₃ 晶体取向：正方形（001）、圆形（100）、直立三角形（−201）和倒三角形（010）。

图7. (a) β-Ga₂O₃ 中 Ga、O 原子的 VDOS 以及 4H-SiC 中 Si、C 原子的 VDOS。(b) β-Ga₂O₃(001)/4H-SiC (0001) 异质结的 G(ω) 曲线，对比 Ga-C 和 GaSi 界面。

图8. β-Ga₂O₃ 与典型高介电常数基板（包括 SiC、金刚石、BAs、Si 和 GaN）在室温下的 TBR 对比。

图9. 300 K 下热流方向相反的 β-Ga₂O₃/4H-SiC 异质结的 TBR：(a) β-Ga₂O₃ 的 (001) 晶面，(b) (010) 晶面，(c) (100) 晶面，以及 (d) (−201) 晶面。J⁺ 表示热流从 β-Ga₂O₃ 流向 4H-SiC，J^- 表示相反的热流方向。

图10. 在不同 β-Ga₂O₃ (001)/4H-SiC (0001) 界面构型下，(a) 热通量密度、(b) 界面温度梯度以及 (c) 系统温度分布。 (d) J⁺ 和 J^- 条件下 Ga-Si 界面的对应体态密度 (VDOS)。

图11. 具有不同 β-Ga₂O₃ 晶面取向（a）(001)、(b) (010)、(c) (100) 和 (d) (−201) 的 β-Ga₂O₃/4H-SiC 异质结的 TBR。

图12. β-Ga₂O₃ (001)/4H-SiC (0001) 体系中 Ga–Si 构型在不同温度下的 (a) VDOS 及 (b) PPR。

DOI：

doi.org/10.1016/j.ijheatmasstransfer.2026.128710