编辑推荐：
本文利用机器学习势能和第一性原理计算，研究mC8-Si、oC24-Si和tP6-Si三种硅晶体的热传导各向异性，发现其室温热导率各向异性比达1.7和2.3，光声子分支主导方向性热传导，并通过有限元法验证原子级工程对器件热管理的有效优化，提出无需外部因素的热管理策略。
作者：田奇坤、陈艾玲、秦浩峰、李瑞毅、张毅、江玉婷、郑雄、秦珍珍、秦光昭
中国湖南省长沙410082，湖南大学机械与车辆工程学院，车辆先进设计与制造技术国家重点实验室
摘要
各向异性热管理已成为解决高功率集成电路散热瓶颈的关键策略，因为它能够在导热性和横向热传递面积之间取得平衡。然而，对于全球最大的硅基产业来说，如何合理设计半导体材料本身的各向异性仍然是一个根本性的挑战。在这里，我们通过原子空间排列技术精确调控了纯硅晶体中的各向异性热传输。通过结合高精度机器学习神经进化（NEP）方法和第一性原理计算，系统研究了三种不同原子排列方式的硅同素异形体（mC8-Si、oC24-Si和tP6-Si）的热传输特性，发现其在室温下的导热率各向异性比分别达到了1.7（mC8-Si）和2.3（oC24-Si）。对声子传输的深入分析表明，光学分支的显著贡献是导致这种各向异性的主要原因。此外，设备尺度上的有限元方法模拟证实，原子级别的工程化调控确实能够有效促进定向散热。这项工作为仅通过原子排列工程来操控各向异性热传输开辟了新的途径，代表了一种无需外部因素干预的高效热管理策略。
部分内容摘录
引言
随着功率电子设备的快速发展，其功率密度和运行频率不断提高，这在高功率应用中带来了显著的热管理挑战[1]、[2]、[3]、[4]、[5]、[6]、[7]、[8]、[9]。由于半导体设备在运行过程中会产生更多热量，有效的热管理对于维持设备的可靠性和性能至关重要[10]、[11]、[12]、[14]。在这一背景下，各向异性热材料受到了广泛关注
结果与讨论
图1(a)和图S1展示了四种硅同素异形体（mC8-Si、oC24-Si、tP6-Si）以及传统类金刚石立方结构（c-Si）的晶体结构。mC8-Si属于单斜晶系，空间群为C2/m；而oC24-Si属于正交晶系，空间群为Cmcm。在oC24-Si的a轴方向上，硅子晶格通过十元、六元和五元环的连接形成了独特的一维通道结构
结论
总之，本研究通过原子级结构设计，利用先进的机器学习方法，并通过设备级热模拟验证，成功实现了硅同素异形体中各向异性热传输的工程调控。基于第一性原理计算数据集训练的NEP模型，能够高效且准确地模拟分子动力学过程，揭示了mC8-Si等材料的显著各向异性导热特性
第一性原理计算
第一性原理计算采用了维也纳从头算（VASP）模拟包，在密度泛函理论（DFT）框架下进行[52]、[53]。电子交换-相关相互作用采用广义梯度近似（GGA）[54]和Perdew-Burke-Ernzerhof（PBE）泛函[55]进行处理，并结合了投影增强波（PAW）方法[57]。为了获得更精确的电子能带结构，还使用了Heyd-Scuseria-Ernzerhof混合泛函（HSE06）[58]、[59]
作者贡献声明
陈艾玲：撰写初稿、方法论设计、实验研究、数据分析与整理。秦浩峰：数据可视化、方法论设计、实验研究、数据分析。李瑞毅：数据可视化、数据分析、结果验证。秦光昭：数据可视化、结果验证、项目监督、软件开发与资源管理、方法论设计、概念构思。田奇坤：撰写稿件、审稿与编辑、数据可视化、方法论设计、实验研究、数据分析
利益冲突声明
作者声明不存在任何可能影响本文研究的利益冲突。
致谢
本研究得到了国家重点研发计划（2023YFB2408100）、湖南省研究生研究与创新项目（CX20250532）、广东省基础与应用基础研究基金（2025A1515012237）以及哈尔滨工业大学机器人系统国家重点实验室（SKLRS-2025-KF-10）的支持。Z.Q.还获得了国家自然科学基金（项目编号12274374）的资助。本文中的数值计算工作是在相关计算平台上完成的
