二维范德华异质结界面热导的理想极限探索：机器学习势函数驱动的大规模分子动力学模拟

《npj Computational Materials》：Probing the ideal limit of interfacial thermal conductance in two-dimensional van der Waals heterostructures

本研究针对二维范德华异质结界面热导（ITC）的理论与实验值存在显著差异的问题，开发了基于神经进化势（NEP）的机器学习势函数模型，通过包含30万原子的大规模非平衡分子动力学（NEMD）模拟，结合量子统计修正，首次确定了室温下二维异质结界面热导的理想极限值为58.4±11.0 MW m-2K-1。研究还揭示了堆叠序列依赖的ITC hierarchy（ABp> DW > AB > AA）与摩尔纹图案的关联机制，为二维电子器件热管理提供了重要理论依据。

　　

在纳米电子器件飞速发展的今天，二维材料范德华异质结因其独特的物理性质成为了研究热点。然而，随着器件尺寸的不断缩小，"界面即魔鬼"的挑战日益凸显——无处不在的界面严重影响着器件的热管理性能。特别是在二维材料异质结中，界面热导（ITC）的理想极限究竟是多少？这个问题的答案对于评估二维基纳米电子器件的散热能力至关重要。

长期以来，实验测量和理论预测之间存在着令人困惑的差距。以石墨烯/六方氮化硼（Gr/h-BN）这一最具代表性的异质结为例，实验报道的ITC值范围从7到52 MW m^-2K^-1，而理论预测却横跨5到442 MW m^-2K^-1的广阔区间。这种巨大差异一方面源于实验测量技术的灵敏度限制，另一方面也暴露了传统理论方法的不足。

问题的核心在于如何准确描述原子间的相互作用。传统的经验势函数（如Tersoff+Lennard-Jones组合）在刻画层内和层间相互作用时存在明显缺陷，而各向异性层间势（ILP）虽然有所改进，但在描述层内相互作用时仍依赖经验势。这些局限性使得探索Gr/h-BN异质结中ITC的理想极限变得异常困难，与之相关的摩尔纹图案热输运机制更是迷雾重重。

针对这一挑战，研究团队开发了专门针对Gr/h-BN异质结系统的机器学习势函数（MLP）模型。基于神经进化势（NEP）方法，研究人员构建了包含4099个结构的高质量训练数据集，涵盖了从单层到块体材料的不同构型。通过密度泛函理论（DFT）计算获得参考数据，并使用包含多体色散（MBD）校正的PBE泛函准确描述长程相互作用。

训练完成的NEP模型在能量、力和应力的预测上均表现出色，相对于DFT参考数据的均方根误差分别为0.8 meV/原子、51.2 meV/?和0.1 GPa。模型在结合能曲线、滑动势能面（PES）和声子色散等多个基准测试中都展现出与DFT高度一致的结果，证明了其近乎量子力学的准确性。

更重要的是，NEP模型在计算效率上具有显著优势，在四块NVIDIA GeForce RTX 4090 GPU上可达每秒940万原子步，接近传统经验势函数的计算速度，为大规模分子动力学模拟奠定了基础。

准确再现摩尔纹图案

利用NEP模型，研究人员成功重构了实验观察到的摩尔纹图案和周期。通过构建面内尺寸为13.8×23.9 nm的双层Gr/h-BN异质结超胞，几何优化后形成了清晰的摩尔纹图案，其中包含AA、AB、畴壁（DW）和AB_p等不同堆叠类型。获得的摩尔纹周期约为13.7 nm，与零扭转角下的理论模型和原子力显微镜（AFM）测量结果高度一致。

界面热导的理想极限

通过非平衡分子动力学（NEMD）方法对包含30万原子的大型系统进行模拟，研究人员获得了与实验值高度吻合的ITC结果。在300 K时，NEP模型计算的经典ITC值为62.5±10.8 MW m^-2K^-1，经过量子统计修正后为58.4±11.0 MW m^-2K^-1，与光热拉曼和时域热反射（TDTR）实验测量值相当接近。

相比之下，传统Tersoff+LJ势函数严重高估ITC值（250.7±18.5 MW m^-2K^-1），而Tersoff+ILP组合也存在明显偏差（98.0±7.6 MW m^-2K^-1）。这些结果凸显了NEP模型在准确预测界面热输运性质方面的优势。

研究还发现，不同二维异质结的ITC值与声子态密度（PDOS）重叠度存在显著正相关（Spearman系数ρ=0.78）。在研究的各种异质结中，Gr/h-BN界面由于组成材料在结构和质量上的高度相似性，表现出最高的ITC值，而Gr/WSe₂界面则因材料差异最大而ITC最低。基于这一认识，研究人员将58.4±11.0 MW m^-2K^-1确定为室温下二维异质结界面热导的理想极限范围。

堆叠序列依赖的热输运

研究揭示了Gr/h-BN异质结中一个新颖的物理现象：ITC呈现出明显的堆叠序列依赖性，遵循AB_p> DW > AB > AA的层次结构。通过分析不同堆叠序列的范德华势能和层间距离，发现基态能量较低/较高的堆叠序列对应较小/较大的层间距离，从而允许更多/更少的面外声子能量通过异质界面传输。

光谱热导分析表明，ITC主要由长波长、低频率（ω/2π < 10 THz）声子贡献。量子校正后的光谱热导在300 K时仅略低于经典值，显著的量子校正效应仅在低温（50 K）下才变得明显，这与ITC的适度温度依赖性相一致。

声子传输机制解析

通过声子谱能量密度（SED）技术，研究人员进一步探究了不同堆叠构型的能量加权声子色散和声子寿命。结果显示，与AB_p堆叠相比，AA和AB堆叠中的横向声学（TA）和纵向声学（LA）声子模式出现明显塌陷（软化）现象。

AB_p堆叠表现出更大的群速度和更长的声子寿命，这表明能量有利的堆叠通过减小层间距离促进了面外声子能量传输，表现为更高的群速度和延长的声子寿命，从而驱动了堆叠序列依赖的ITC。

这一现象与摩尔纹图案密切相关。在二维层状材料中，摩尔纹图案的本质源于异质堆叠、扭转角、层间滑动和异质应变工程引起的晶格失配。为最小化系统能量，原子重构会重新分布层间堆叠序列，诱导产生多样化的摩尔纹图案。可以预见，不同的摩尔纹图案会表现出不同的堆叠比例，从而导致由不同堆叠序列控制的摩尔纹图案依赖的ITC。

本研究通过开发高精度的NEP机器学习势函数，结合大规模分子动力学模拟，首次确定了二维范德华异质结界面热导的理想极限，并揭示了堆叠序列依赖的热输运机制。这一工作不仅为二维电子器件的热管理设计提供了重要参考标准，更展示了机器学习势函数驱动的分子动力学模拟在探究低维材料热输运机制方面的巨大潜力。

研究发现的堆叠序列依赖热输运现象很可能在范德华层状材料中具有普适性，并可能扩展到铁电性、自旋电子学和磁性等其他性质的研究中。这一突破性工作为理解和调控二维材料异质结中的热输运行为提供了新的范式，对未来纳米器件的热管理设计具有重要指导意义。

该研究成果发表于《npj Computational Materials》，标志着二维材料热输运研究迈入了机器学习驱动的新时代，为后续探索更复杂异质结系统的热管理性能奠定了坚实基础。