Clear Sky Science · it

Avvicinarsi al limite inferiore della conduttività termica reticolare sopprimendo simultaneamente i contributi fononici diagonali e fuori-diagonali

· Torna all'indice

Perché fermare il calore può alimentare la tecnologia futura

Molte tecnologie per l’energia pulita e ad alte prestazioni, dai generatori termoelettrici che convertono il calore di scarto in elettricità agli scudi termici per velivoli ipersonici, dipendono da solidi che conducono molto male il calore. Questo articolo esplora come spingere i materiali cristallini verso un estremo limite inferiore «quasi vetroso» del flusso termico attraverso le loro vibrazioni atomiche, rivelando regole di progetto e nuovi candidati per conduttività termica ultrabassa.

Come gli atomi vibranti trasportano calore

Nella maggior parte dei semiconduttori e isolanti, il calore è trasportato dai fononi—pacchetti minuscoli di vibrazione atomica. Nei cristalli semplici e rigidi queste vibrazioni viaggiano come particelle di un gas, attraversando la rete e conferendo alta conduttività termica. Nei solidi disordinati, invece, le vibrazioni perdono il loro carattere d’onda ordinato e il calore si disperde in modo diffuso, più simile a quanto avviene in un vetro. Una recente teoria a «due canali» unifica queste visioni trattando il trasporto termico come la somma di un canale diagonale, di tipo particellare, e di un canale fuori-diagonale, più coerente e di tipo ondulatorio. Capire come questi due canali si combinano è essenziale se vogliamo rallentarli deliberatamente e ottenere cristalli che isolino quanto i migliori vetri.

Figure 1
Figure 1.

Due modi in cui il calore attraversa un cristallo

In questo quadro, i fononi usuali, di tipo particellare, costituiscono il canale diagonale, mentre il canale fuori-diagonale deriva dal mescolamento di tipo quantistico tra diverse modalità di vibrazione alla stessa lunghezza d’onda. Gli autori analizzano 4.700 cristalli usando calcoli quantomeccanici per mappare, in dettaglio, come ogni frequenza di vibrazione contribuisce a ciascun canale. Risultano che i cristalli complessi con molti atomi per cella unitaria tendono a sopprimere il canale particellare ma ad aumentare quello ondulatorio fuori-diagonale. Tra i materiali emerge un pattern comune: i portatori di calore fuori-diagonali hanno velocità elevate ma durate estremamente brevi, agendo come messaggeri veloci ma molto fragili del calore.

Trovare il punto ottimale per bloccare il calore

Una scoperta chiave è che rendere semplicemente i fononi molto a vita breve non minimizza sempre il flusso di calore. Se le durate sono troppo lunghe, i fononi particellari percorrono grandi distanze e trasportano calore in modo efficiente. Se sono troppo brevi, le vibrazioni diventano diffusive e il canale fuori-diagonale si rafforza. I materiali con la più bassa conduttività termica totale si raggruppano attorno a una vita media intermedia di circa un picosecondo, combinata con velocità fononiche relativamente lente e grandi spostamenti atomici, segnali di legami morbidi e forte anarmonicità. In questo regime entrambi i canali vengono indeboliti simultaneamente: i fononi non viaggiano abbastanza lontano da comportarsi come particelle nette, ma non sono neppure così sovrasmorzati da far prevalere il trasporto ondulatorio diffuso.

Figure 2
Figure 2.

Insegnare alle macchine a cercare ultra-isolanti

Per trasformare queste intuizioni fisiche in uno strumento di scoperta, il team allena una rete neurale a grafi avanzata, ALIGNN, sulle loro 4.700 simulazioni ad alta precisione. Il modello impara a prevedere non solo la conduttività termica complessiva ma anche proprietà fononiche dettagliate—durate, velocità, lunghezze di percorso libero e altro—direttamente dalla struttura cristallina e dalla chimica. Applicano quindi questi modelli a oltre 30.000 materiali aggiuntivi e usano un secondo livello di modelli di machine learning tradizionali per confermare quali combinazioni di descrittori fononici segnalano al meglio un trasporto termico ultrabasso. Questo approccio a più fasi cattura le stesse tendenze viste nei calcoli quantistici completi, mostrando che i modelli guidati dai dati possono navigare in modo affidabile il complesso paesaggio a due canali.

Emergono nuovi materiali da record

Con questi modelli, i ricercatori selezionano circa 26.000 cristalli reali e ipotetici estratti da banche dati principali. Identificano un piccolo insieme di candidati promettenti e poi ritornano ai calcoli quantistici completi per la conferma. Dodici materiali risultano validati come aventi conduttività termica reticolare ultrabassa a temperatura ambiente, diversi attorno a 0,2 watt per metro-kelvin e uno, ioduro di tallio cubico, che raggiunge circa 0,13—tra i valori più bassi riportati per un solido cristallino. Molti di questi composti condividono caratteristiche come atomi pesanti e debolmente legati (ad esempio cesio, tallio e piombo) e strutture complesse che favoriscono naturalmente le durate intermedie desiderate e basse velocità fononiche.

Cosa significa per i materiali energetici del futuro

Dimostrando che la conduttività termica minima nei cristalli si verifica quando né i fononi di tipo particellare né quelli di tipo ondulatorio possono dominare, questo lavoro offre una ricetta pratica per progettare isolanti termici estremi. Invece di limitarsi a «ammorbidire» una rete o complicarne la struttura, gli scienziati dei materiali possono ora mirare a un equilibrio specifico di durata fononica, velocità e movimento atomico, supportati da potenti modelli di machine learning. Questa prospettiva a due canali dovrebbe accelerare la scoperta di nuovi materiali termoelettrici, rivestimenti barriera termica e cristalli fononici che gestiscono il calore con precisione senza precedenti.

Citazione: Rodriguez, A., Rurali, R., Lin, C. et al. Approaching lower bound of lattice thermal conductivity by simultaneously suppressing diagonal and off-diagonal phonon contributions. npj Comput Mater 12, 137 (2026). https://doi.org/10.1038/s41524-026-02018-9

Parole chiave: conduttività termica reticolare, fononi, materiali termoelettrici, scoperta di materiali con apprendimento automatico, cristalli fononici