《Nanoscale Advances》:Quantum engineering of GaAs nanoribbons for advanced thermoelectric energy conversion
编辑推荐:
镓砷(GaAs)纳米带因其独特的量子限域(quantum confinement)效应、低维电子特性及可调谐的振动特征,成为先进热电应用的候选材料。本研究中,研究人员采用稳健的计算方法,结合非平衡格林函数(NEGF)形式体系与基于密度泛函的紧束缚方法(DFTB
镓砷(GaAs)纳米带因其独特的量子限域(quantum confinement)效应、低维电子特性及可调谐的振动特征,成为先进热电应用的候选材料。本研究中,研究人员采用稳健的计算方法,结合非平衡格林函数(NEGF)形式体系与基于密度泛函的紧束缚方法(DFTB),研究了GaAs纳米带的电子、声子及热电输运性质。研究识别出约40 meV的声学-光学声子带隙,该带隙抑制了声学-光学散射,但被主导的尺寸效应所抵消,包括强边界/边缘散射、限域引起的群速度降低以及高温下的声学-光学 umklapp 散射,这些因素共同降低了晶格热导率。量子限域诱导的电子输运机制改性使塞贝克(Seebeck)系数和佩尔捷(Peltier)系数在费米能级附近出现显著峰值和符号反转,计算得到的ZT值在300 K时超过0.6。为将这些发现扩展至更宽温度范围,研究人员开发了物理信息神经网络(PINN)机器学习模型,预测100 K至600 K范围内的温度依赖热电行为。机器学习(ML)分析表明,最佳工作温度为450 K,此时ZT达到0.85,较室温性能提升37%。该模型识别出不同的工作 regime:低温区(100-200 K)使塞贝克系数最大化以利于冷却应用,而高温区(400-550 K)通过量子限域效应与热增强电导率之间的最优权衡来优化发电效率。这一融合第一性原理与机器学习的框架为温度依赖输运现象提供了全面认识,确立了GaAs纳米带作为下一代热电器件在宽工作谱范围内的候选材料地位。
随着纳米技术的发展,将电子器件微缩至单原子链、类石墨烯结构及纳米线尺度已成为可能。分子层面量子态的操控可实现功能纳米材料性能的优化。然而,硅(Si)电子器件固有的尺寸极限促使研究人员寻求具有高载流子迁移率的替代半导体以提升器件性能。化合物半导体与Si衬底的异质集成虽具前景,但晶格失配、缺陷形成及热膨胀系数差异等问题仍制约其结构与电子稳定性。
砷化镓(GaAs)纳米带因其独特的结构与内在性质成为前沿纳米材料研究的焦点。这些纳米带通过化学气相沉积(CVD)和分子束外延(MBE)等先进方法由体相GaAs制备而成,其微小尺度引发了独特的量子效应。量子限域显著改电子能带结构,形成直接影响光电性质的新能量态。GaAs纳米带中电子与空穴的运动特性改变,使其能够在先进纳米电子和光电子应用中实现更高效的电荷输运。此外,机械力对纳米带在应力下的行为具有重要影响,可改变带隙、提高迁移率甚至引起拓扑变化,这使其成为柔性光电子器件的可行选择。
无量纲热电优值ZT = S
2σT/κ是衡量热电材料性能的关键指标,其中T为绝对温度,κ为热导率,S为塞贝克系数,σ为电导率。纳米结构化材料可引发量子限域效应,改变电子能带结构并提高塞贝克系数。GaAs纳米带的高电子迁移率和降低的热导率预示着其可能具有优异的热电性能。然而,量子限域、声子输运和静电势如何共同影响GaAs纳米带中的电荷与热输运,这一 comprehensive 理解尚不完整。特别是局域电子态、透射特征与有限偏压下谱电流之间的相互作用尚未得到充分探索。本研究旨在通过深入的NEGF-DFT分析填补上述空白,重点关注电子结构、振动动力学和热电性能,并考察塞贝克效应和佩尔捷效应背后的能量分辨输运机制。
研究人员采用NEGF-DFTB方法,结合非平衡格林函数形式体系与基于密度泛函的紧束缚方法,对GaAs纳米带的电子与声子输运进行研究。量子输运计算在稳态条件下使用Atomistix ToolKit(ATK)软件完成,采用广义梯度近似(GGA)下的Perdew-Burke-Ernzerhof(PBE)交换关联泛函,以及Fritz-Haber-Institute(FHI)模守恒赝势处理核心电子,实空间网格截断为85 hartree,k点取样为1×1×100。结构弛豫后力与应力分别低于0.01 eV ?
-1和0.0001 eV ?
-3。电子和声子输运系数使用紧束缚方法结合ATK力场方法在300 K计算。Ga和As原子采用双ζ极化(DZP)基组描述sp
3成键特征。研究考虑具有原始未饱和边缘的理想化GaAs纳米带,以分离材料本征的量子限域和输运效应。
**III.1 声子能带结构与静电势**
GaAs纳米带的声子能带结构沿Γ-Z方向计算,该方向与纳米带的周期性和输运轴一致。分析揭示出约40 meV的声学-光学声子带隙,该带隙减少了涉及光学模式的三声子相空间,倾向于增加声学声子寿命。然而,在准一维GaAs纳米带中,净晶格热导率κ
l主要受三种尺寸效应控制:Casimir regime中的边界/边缘散射、限域诱导的能带平坦化降低群速度、以及高温下的声学-声学 umklapp 过程。因此,尽管存在该带隙,沿纳米带轴的κ
l相对于体相GaAs仍 suppressed。这一认识将κ
l的降低归因于尺寸和限域效应而非声学-光学带隙本身。
静电势分布计算显示沿纳米带轴的周期性势调制,显著影响载流子行为。电势分布从-0.4 V(红色,较低电势)到0.3 V(蓝紫色,较高电势)的渐变表明电子和空穴空间局域化的变化。低电势区域主要位于纳米带核心,显示更多电子积累和更强的静电限域;而高电势区域靠近边缘和表面,表明正电荷积累或电子密度较低。这种不均匀的电势分布由表面极化效应、本征偶极矩或外电场相互作用导致,其周期性波动可能源于量子限域和边缘效应。
**III.2 热电性质**
计算得到的塞贝克系数S和佩尔捷系数Π随能量变化显著。S在费米能级(0 eV)附近出现明显的符号变化,表明从n型到p型导电的转变,这是混合载流子输运材料的典型特征。S在-2 eV附近的尖锐峰值迅速衰减,表明该能级附近态密度(DOS)丰富,量子限域效应增强了热功率。S的不对称性表明电子和空穴导电效率不等,可能由于有效质量或散射机制的差异。佩尔捷系数Π遵循与S相似的模式,符号反转同样表明了电子主导到空穴主导的输运转变。
电导率G
e在导带和价带边附近急剧增加,表明高态密度促进电荷输运。电导率的振荡是量子限域效应的直接结果,影响了低维系统中可及态的密度。G
e围绕费米能级的不对称性表明空穴输运效率低于电子输运。热导率分解为电子和声子贡献,显示电子输运主导纳米带中的热传导。声子贡献在整个能量范围内几乎保持恒定,表明晶格热导率对电子态的弱依赖性,这是纳米尺度材料中边界散射和量子限域抑制长波声子输运的预期结果。
热电优值ZT在能带边附近出现尖锐峰值,最高值超过0.6。这一提升直接关联于高塞贝克系数、适中电导率和低热导率的协同作用。多个ZT峰值的存在表明特定能量范围对热电性能优化最为理想,凸显了调节载流子浓度以将费米能级对准这些区域的重要性。系统的强各向异性——声子带隙和准一维电子通道——促使电输运沿纳米带轴优先而热输运受阻,这种本征各向异性对热电效率至关重要。
**III.3 输运性质**
差分电导dI/dV在低偏压下的降低及零附近的转变表明存在输运带隙,与GaAs纳米带的半导体性质一致。零偏压附近不可及的电子态阻碍了低偏压下的导电。高偏压下dI/dV的变化可能意味着更多导电通道的开启。谱电流在零能附近的峰值显示费米能级附近的电子态主要负责电荷输运,尖锐变化的峰值表明量子限域效应导致的分立能级。透射谱中的多个尖锐峰值对应于高PDOS值的能量级,这些态促进电子输运。费米能级附近近乎零的透射区域支持输运带隙的假设。投影态密度揭示出明显的能量极,表明纳米带具有强量子限域特征,特定能量处的峰值指向可作为电子共振输运通道的局域电子态。
**III.4 温度对热电性质的影响**
研究人员使用物理信息神经网络(PINN)架构预测热电性质的温度依赖性。该模型采用3个隐藏层(每层128个神经元)的多层感知器,SiLU激活函数,以归一化的费米能级位置μ和温度T为输入,输出塞贝克系数S和无量纲优值ZT。网络架构通过损失函数引入物理约束:使用softplus激活函数强制ZT值非负;模型学习与Landauer-Büttiker形式体系一致的温度依赖性;加权损失函数强调对非零ZT值的准确预测。训练使用5000个epoch,AdamW优化器(学习率10
-3)和余弦退火调度器,在300 K参考数据上实现塞贝克系数均方误差2.8×10
-5 V K
-1、ZT均方误差0.021的精度。
ML模型预测塞贝克系数具有不同的温度标度行为。100 K时,塞贝克幅值较300 K值增加30-50%,尤其在态密度梯度大的区域(μ≈-1.9 eV),这源于低温下更锐利的费米-狄拉克分布增强了载流子的能量选择性。相反,500 K时热展宽使塞贝克系数降低20-40%,与高温下量子限域效应的退化一致。塞贝克系数随温度近似按S~T
-0.3标度,与简并半导体的Mott公式一致。
ZT的温度依赖性在400-550 K范围内呈现明显的最优值。100 K时ZT值大幅降低(峰值ZT≈0.25,较300 K最大值降低60%),主要源于载流子冻结导致的电导率下降。500 K时ZT显著增强,最大预测值达0.85——较300 K峰值(ZT=0.62)提升37%。这一增强源于三者的最优权衡:适中的塞贝克系数降低、热激活导致的电导率大幅增加、以及遵循κ
ph~T
-0.8标度的抑制声子热导率。模型预测最优掺杂从300 K时的μ≈-1.43 eV偏移至500 K时的μ≈-1.50 eV,表明需要温度依赖的优化策略。
450 K被确定为预测的最优工作温度,最大ZT=0.85。该温度对应于功率因子(S
2σ)相对于热导率最大化的平衡点。温度-ZT关系遵循许多热电材料共有的特征"倒U"形,但峰值较体相GaAs(通常800-1000 K)向更低温度移动,源于纳米带中增强的声子散射。
三种关键机制控制温度依赖性:低于200 K时量子限域保持,sharp态密度特征增强塞贝克系数但降低的电导率限制ZT;200-400 K为热激活regime,增加电导率补偿塞贝克系数降低;高于400 K时纳米带中抑制的κ
ph使ZT得以提升,尽管双极导电已开始出现。这些机制解释了为何体相GaAs热电性能较差(ZT<0.1)而纳米带可实现ZT>0.8——纳米尺度几何使通常相互竞争的输运参数解耦。
对于器件应用,预测建议不同的优化策略:佩尔捷冷却在100-200 K以重掺杂(μ≈-1.0 eV)最优,以最大化塞贝克系数;发电在400-550 K以中等掺杂(μ≈-1.5 eV)达到最高效率;废热回收受益于300-500 K的宽温度操作范围和自适应掺杂分布。模型表明GaAs纳米带在500 K、ΔT=200 K条件下可实现超过8%的热电转换效率,与商用Bi
2Te
3基器件相当,但具有更高温度操作和III-V半导体兼容性的优势。
**结论**
综合理论分析确立了GaAs纳米带作为热电能量转换优异候选材料的地位,通过融合第一性原理NEGF+DFTB计算与物理信息机器学习预测。300 K计算结果揭示,量子限域诱导的电子共振和声子带隙降低的热导率协同产生了显著的热电优值(ZT>0.6)。
至关重要的是,机器学习模型将这些发现扩展至单温度计算之外,预测热电性能在450 K呈现明显的最优值,ZT达到0.85——较室温提升37%。该ML驱动分析识别出由不同物理机制控制的三个 distinct 工作regime:低温区(<200 K)量子限域保持以增强塞贝克系数;中温区(200-400 K)热激活;高温区(>400 K)声子工程优势使ZT在双极导电开始的情况下仍能提升。ML预测进一步揭示温度依赖的优化策略:低温应用(100-200 K)受益于重掺杂(μ≈-1.0 eV),而发电(400-550 K)以中等掺杂(μ≈-1.5 eV)优化。
机器学习与第一性原理计算的融合代表了重要的方法论进步,使原本因计算量过大而难以用NEGF+DFTB单独探索的温度依赖现象得以高效研究。这一 combined 方法不仅验证了GaAs纳米带的理论潜力,还建立了可加速高性能热电材料开发的预测框架。这些发现为实验实现和器件优化提供了具体指导,凸显了III-V半导体纳米结构在下一代热电应用中的变革性潜力。