Ent­schlüs­se­lung der Wär­me­lei­tung komplexer Mate­ria­li­en an der TU Graz

Durch selbst ent­wi­ckel­te Machine-Learning-Workflows fanden die For­schen­den heraus, dass die Wär­me­lei­tung in orga­ni­schen Halb­lei­tern viel komplexer ist als bisher ange­nom­men. Diese Erkennt­nis­se bieten neue Per­spek­ti­ven für die Ent­wick­lung maß­ge­schnei­der­ter Mate­ria­li­en mit spe­zi­fi­schen ther­mi­schen Eigen­schaf­ten.

Bisher wurde der Wär­me­trans­port in Mate­ria­li­en wie orga­ni­schen Halb­lei­tern wenig unter­sucht, obwohl die elek­tri­schen Eigen­schaf­ten dieser Mate­ria­li­en seit Jahr­zehn­ten erforscht werden. Das Team unter der Leitung von Egbert Zojer konnte nun den Mecha­nis­mus des Wär­me­trans­ports aufklären. Statt nur Kor­re­la­tio­nen zu ana­ly­sie­ren, setzten die For­schen­den auf Machine Learning, um Kau­sa­li­tä­ten zu iden­ti­fi­zie­ren und zu verstehen, wie Wärme innerhalb eines Materials verteilt wird.

Dabei ent­deck­ten sie, dass der Tun­nel­trans­port von Phononen – Git­ter­schwin­gun­gen, die Energie über­tra­gen – eine ent­schei­den­de Rolle spielt. Dieser Mecha­nis­mus ist besonders in Mate­ria­li­en mit niedriger Wär­me­leit­fä­hig­keit von Bedeutung. Ein wichtiger Faktor ist die Mole­kül­län­ge: Je größer die Moleküle eines orga­ni­schen Halb­lei­ters, desto stärker wird der Tun­nel­trans­port.

Diese neuen Erkennt­nis­se erklären nicht nur die unge­wöhn­li­che Tem­pe­ra­tur­ab­hän­gig­keit der Wär­me­leit­fä­hig­keit in bestimm­ten orga­ni­schen Halb­lei­tern, sondern eröffnen auch neue Mög­lich­kei­ten für das Design von Mate­ria­li­en mit spe­zi­fi­schen ther­mi­schen Eigen­schaf­ten. Das For­schungs­team plant, dieses Wissen auf Mikro­po­rö­se Kristalle (MOFs) anzu­wen­den, wo der Wär­me­trans­port eine noch größere Rolle spielt.