Otomatize zorlukla ilk ilke hesaplamalarıyla anarmonik fonon özelliklerinin veritabanı ve derin öğrenme ölçeklenebilirliği

Isı taşıyan titreşimlerin neden önemli olduğu

Akıllı telefon çiplerinden bina yalıtımına kadar çevremizdeki her katı nesne ısıyı esas olarak fonon adı verilen küçük atomik titreşimler aracılığıyla taşır. Bu titreşimlerin ne kadar kolay yayıldığı, bir malzemenin elektronik soğutmada, binaların sıcak tutulmasında veya atık ısının elektriğe dönüştürülmesinde ne kadar uygun olduğunu belirler. Ancak bir malzemenin atomik yapısından bu ısı akışını doğru şekilde tahmin etmek tarihsel olarak zorlu ve yavaş olmuştur. Bu makale, binlerce kristal için bu tahminleri otomatikleştirmenin yeni bir yolunu ve ardından derin öğrenmeyi kullanarak olası malzeme uzaylarında son derece yüksek veya düşük ısıl iletkenliğe sahip olanları aramanın yöntemini sunar.

Titreşen kristallerin devasa bir kütüphanesinin inşası

Yazarlar, bir kristal yapısını girdi olarak alan ve ardışık uzun bir kuantum-mekanik hesaplama zincirini otomatik olarak yürüten auto-kappa adlı bir yazılım çerçevesi oluşturdular. Bu hesaplamalar yalnızca atomların mükemmel elastik bir şekilde nasıl titreştiğini değil, aynı zamanda titreşimlerin daha gerçekçi, “dağınık” bir biçimde nasıl çarpışıp saçıldığını da çözümler. Yazılım buradan fonon ömürleri ve her bir titreşimin ısı taşımaya ne kadar katkıda bulunduğu gibi ayrıntılı özellikleri çıkarır. Bu boru hattını süper bilgisayarlarda çalıştırarak ekip, sodyum klorür gibi basit tuzlardan birim hücre başına 100’ün üzerinde atom içeren karmaşık yapılara kadar 6500’den fazla inorganik kristalin anarmonik fonon özelliklerini kapsayan Phonix adında yeni bir veritabanı derledi.

Katıların ısı taşıma biçimlerinin çeşitli bir haritası

Bu veritabanına sahip olan araştırmacılar, ısı iletiminin farklı malzemeler arasında nasıl değiştiğini incelediler. Atom başına düşen hacim arttıkça örgü ısıl iletkenliğinin genel olarak düştüğünü buldular—gevşekçe ifade etmek gerekirse daha açık yapılar genelde ısıyı daha az iyi iletme eğilimindedir. Veritabanı geniş bir dağılım ortaya koydu: çoğu malzeme oda sıcaklığında yaklaşık 0,15 ile 40 watt/metre/K arasında yer alırken, küçük bir kesim 200’ün üzerinde son derece yüksek değerlere, çok küçük bir alt küme ise 500 veya hatta 1000’in üzerine ulaşabiliyor. En iyi iletkenlerden birçoğu karbon ve silisyum karbid formları olurken, çok sayıda bileşik oldukça düşük ısıl iletkenlik sergiliyor; bu da termoelektrik veya yalıtım uygulamaları için zengin olanaklar sunuyor.

Isı akışına dalga-benzeri gizli katkılar

Kristallerde ısı genellikle fononların gaz molekülleri gibi davrandığı biçimde tasvir edilir, ancak küçük ölçeklerde titreşimler örtüşen dalgalar gibi de davranabilir. Phonix veritabanı ısı taşımaya geleneksel “parçacık-benzeri” katkıyı bu daha dalga-benzeri veya koherent katkıdan ayırır. Çoğu malzeme için, özellikle güçlü ısı iletkenleri söz konusu olduğunda, geleneksel parçacık kanalı baskındır. Ancak yazarlar birçok bileşikte koherent kısmın kayda değer olduğunu ve bazı durumlarda parçacık kısmıyla karşılaştırılabilir düzeyde olduğunu şaşırtıcı bir şekilde buldular. Çok sayıda atoma ve yoğun titreşim dallarına sahip belirli karmaşık silisyum karbid formları özellikle büyük koherent katkılar gösteriyor. Bu, pratik modellemede sıklıkla göz ardı edilen dalga-benzeri ısı taşınımının, aksi halde yüksek iletkenlik gösteren kristallerde bile önemli olabileceğini düşündürüyor.

Atomik planları okumayı öğreten sinir ağları

Maliyetli kaba kuvvet hesaplamaların ötesine geçmek için ekip, bir kristalin atomik yapısını alıp ısıl iletkenliğini—farklı ortalama serbest yolları olan titreşimler dahil edildikçe katkının nasıl birikdiğini de içerecek şekilde—tahmin eden grafik tabanlı sinir ağları eğitti. Eğitim kümesinin boyutunu birkaç yüz ile birkaç bin malzeme arasında değiştirerek, daha fazla veri eklendikçe tahmin hatalarının öngörülebilir bir şekilde küçüldüğü açık bir ölçeklenebilirlik yasası buldular; bu, büyük dil modellerinde görülen eğilimlere benziyor. Bu eğitilmiş modellerle donanmış olarak yazarlar, DeepMind GNoME veritabanından yüzbinlerce hipotetik kristali taradılar ve ardından olağanüstü yüksek veya düşük ısıl iletkenliğe sahip olması muhtemel en umut verici adayların bir alt kümesi üzerinde tam kuantum hesaplamaları yürüttüler.

Aşırılıkları bulmak: süper-iletkenler ve süper-yalıtkanlar

Tarama, ısı iletiminin uçlarında yeni aday malzemeler ortaya çıkardı. Çok ağır atomlar içeren hidrojence zengin bazı bileşikler, titreşimlerinin ağır atomlardan kaynaklanan düşük frekanslı modlarla ve hafif atomlardan kaynaklanan yüksek frekanslı modlarla temiz şekilde ayrılması nedeniyle yüksek ısıl iletkenlik gösterdi; bu durum bozucu saçılmayı azaltıyor. Diğer uçta, karmaşık sezyum bazlı yapılar çok düşük ısıl iletkenlik sergiledi; titreşimler birçok atom ve frekansta güçlü şekilde karıştığı için yoğun saçılma ve zayıf ısı akışı tercih ediliyor. Bu kristallerin bazıları sentezlenmesi zor olabilir, ancak ortak yapısal motifleri hem yüksek iletkenlikli “termal otoyollar” hem de yüksek dirençli “termal duvarlar” tasarlamak için değerli ipuçları sağlar.

Gelecekteki malzemeler için bunun anlamı

Günlük ifadeyle, bu çalışma iki önemli ilerleme sunuyor: binlerce kristalde atomların gerçekte nasıl titreştiğini ve çarpıştığını yakalayan büyük, açık erişimli bir kütüphane ve bu atomik planları okuyup bir malzemenin ısı taşıma yeteneğini tahmin edebilen bir dizi makine öğrenmesi modeli. Birlikte, bunlar elektronik için daha iyi ısı dağıtıcılar, enerji hasadı için geliştirilmiş termoelektrikler ve ısı kontrolünün elektriği kontrol etmek kadar önemli olduğu teknolojiler için gelişmiş malzemeler keşfetmede güçlü bir kestirme yol sunuyor. Veritabanı genişledikçe ve daha ince titreşim etkilerini de içerdikçe, bu araçlar yeni termal malzemelerin aranmasını deneme-yanılma deneylerinden çok daha hızlı, daha ucuz ve çok daha sistematik hale getirmeye hazır durumda.

Atıf: Ohnishi, M., Deng, T., Torres, P. et al. Database and deep-learning scalability of anharmonic phonon properties by automated brute-force first-principles calculations. npj Comput Mater 12, 150 (2026). https://doi.org/10.1038/s41524-026-02033-w

Anahtar kelimeler: örgü ısıl iletkenliği, fonon veritabanı, anarmonik titreşimler, malzeme informatiği, graf sinir ağları