Indagine multiscala del trasporto termico nelle eterointerfacce a base di β-Ga2O3 abilitata da potenziali di machine learning: parametro cross-scale

Perché mantenere la temperatura è importante per l’elettronica del futuro

Man mano che i nostri telefoni, convertitori di potenza e data center diventano più potenti, diventano anche più caldi. Allontanare il calore da chip piccoli e molto sollecitati sta diventando uno dei maggiori ostacoli a un’elettronica migliore. Questo studio esamina come raffreddare dispositivi realizzati con un semiconduttore emergente, il β‑ossido di gallio, posizionandolo su diversi materiali dissipanti. Utilizzando una catena di simulazioni al computer che seguono il calore dagli atomi singoli fino ai dispositivi completi, gli autori mostrano che il miglior dissipatore sulla carta non è sempre il migliore in pratica — e che la sottile giunzione dove due materiali si toccano può fare la differenza nelle prestazioni.

Seguire il calore dagli atomi ai dispositivi completi

I ricercatori hanno costruito un framework di modellazione “multiscala” che collega tre mondi: atomi, nanostrutture e chip completi. Alla scala più piccola, hanno usato calcoli a livello quantistico per capire come vibrano e interagiscono gli atomi nel β‑ossido di gallio e in tre materiali candidati per il substrato — silicio, carburo di silicio e diamante. Hanno quindi addestrato un potenziale di machine learning, una sorta di campo di forze intelligente, per emulare questi costosi calcoli con molto meno tempo di calcolo. Questo ha permesso di eseguire grandi simulazioni di dinamica molecolare che tracciano come il calore, trasportato dalle vibrazioni atomiche, fluisce attraverso la giunzione dove il β‑ossido di gallio incontra ogni substrato. Infine, hanno inserito quei risultati in modelli agli elementi finiti di pile di dispositivi complete per prevedere l’aumento di temperatura, la gestione della potenza e le sollecitazioni meccaniche.

Quando il miglior dissipatore è rallentato alla giunzione

Si potrebbe pensare che il diamante, celebre per la sua conducibilità termica estremamente alta, sia il substrato ideale. Sorprendentemente, le simulazioni mostrano che la resistenza termica di interfaccia — la difficoltà che il calore incontra nel valicare l’interfaccia — è massima per la coppia β‑ossido di gallio/diamante, e minima per la coppia β‑ossido di gallio/silicio, con il carburo di silicio nel mezzo. Allo stesso tempo, questa resistenza di interfaccia diminuisce all’aumentare della temperatura, l’opposto di quanto avviene di solito nei cristalli in bulk. Analizzando le “impronte” vibrazionali di ciascun materiale, il gruppo scopre che lo spettro vibrazionale del silicio si sovrappone meglio a quello del β‑ossido di gallio, facilitando il passaggio delle vibrazioni che trasportano il calore attraverso la giunzione. Le vibrazioni del diamante, soprattutto ad alte frequenze, si accoppiano male e richiedono processi di scattering più complessi e meno efficienti, il che aumenta la resistenza all’interfaccia.

Direzione cristallina e lo spostamento del collo di bottiglia termico

Il β‑ossido di gallio è a sua volta anisotropo: la sua capacità di condurre il calore dipende fortemente dall’orientazione cristallina. Le simulazioni rivelano che pile di dispositivi in cui lo strato di β‑ossido di gallio è tagliato secondo certe direzioni ((010) e (001)) mostrano una resistenza di interfaccia più bassa e una migliore dispersione del calore rispetto ad altri tagli. Quando queste proprietà dettagliate dell’interfaccia sono inserite nei modelli di dispositivo completi, il quadro diventa più sfumato. Per substrati a bassa conducibilità come il silicio, il principale collo di bottiglia è il bulk del substrato, e cambiare l’orientazione cristallina ha solo un effetto modesto. Man mano che il substrato conduce meglio il calore — passando da silicio a carburo di silicio e poi a diamante — il bulk del substrato diventa meno limitante e l’interfaccia cresce in importanza. Nei dispositivi a base di diamante, la giunzione può dominare l’aumento totale di temperatura, e le differenze legate all’orientazione nella potenza massima sicura possono raggiungere circa il quaranta percento.

Bilanciare potenza di raffreddamento e deformazione meccanica

Lo studio traccia anche come le sollecitazioni meccaniche indotte dal calore si accumulano in queste strutture a strati. Un miglior raffreddamento non significa automaticamente minori sollecitazioni. Per esempio, i dispositivi che utilizzano substrati in diamante funzionano complessivamente a temperature più basse ma mostrano distribuzioni di stress che dipendono sensibilmente dall’orientazione del cristallo di β‑ossido di gallio, a causa di disallineamenti nella spaziatura reticolare e nell’espansione termica. Alcune orientazioni che disperdono il calore in modo efficiente concentrano anche lo stress all’interfaccia, mettendo potenzialmente a rischio l’affidabilità a lungo termine. I progettisti devono quindi bilanciare la rimozione del calore con la robustezza meccanica quando scelgono sia il substrato sia il taglio cristallino.

Cosa significa questo per i chip di potenza di prossima generazione

Collegando la fisica a livello atomico, le interfacce a scala nanometrica e il comportamento del dispositivo completo, questo lavoro mostra che raffreddare l’elettronica ad alta potenza in β‑ossido di gallio non è solo questione di scegliere il substrato più conduttivo. Lo strato interfaciale sottile, la sua resistenza dipendente dalla temperatura e l’orientazione cristallina dello strato attivo giocano tutti ruoli cruciali. Le simulazioni suggeriscono che le pile a base di diamante potrebbero più che raddoppiare la potenza consentita rispetto al silicio — se le loro interfacce sono progettate con cura e le sollecitazioni meccaniche sono gestite. Oltre al β‑ossido di gallio, l’approccio multiscala dimostrato qui offre una tabella di marcia generale per progettare dispositivi più freschi e affidabili costruiti con combinazioni complesse di materiali.

Citazione: Sun, Z., Qi, Z., Song, Y. et al. Multiscale investigation of thermal transport in β-Ga₂O₃-based heterointerfaces enabled by machine learning potential: cross-scale parameter. npj Comput Mater 12, 130 (2026). https://doi.org/10.1038/s41524-026-02007-y

Parole chiave: gestione termica, dispositivi in ossido di gallio, flusso di calore alle interfacce, simulazioni con machine learning, raffreddamento per l’elettronica di potenza