在当今信息技术迅猛发展的背景下，芯片散热问题成为制约电子设备稳定可靠运行和性能提升的最大瓶颈。近日，44118太阳成城集团秦光照教授团队，在芯片散热这一重要领域取得了显著的科研进展，开创性地构建了一个基于机器学习技术的多尺度模拟仿真框架，成功揭示了宽带隙半导体氮化镓和高导热材料砷化硼所组成异质结构中超高的界面热导，以及晶粒尺寸与界面热阻之间的竞争关系，为芯片散热问题提供了新的解决方案。成果发表于国际顶级学术期刊《自然·通讯》。

氮化镓作为第三代宽禁带半导体的杰出代表，由于其卓越性能，已成为众多高功率电子设备的首选材料。随着5G通信、新能源技术和智能制造等行业的快速发展，这些领域对半导体器件提出了更高的微型化和功率要求，其中不可避免地存在局部高温热点问题，为设备的散热和可靠运行带来了重大挑战。面对这一挑战，研究者们越来越多地聚焦于开发具有高热导率的衬底材料，以实现高效散热。砷化硼以其远超传统半导体材料的高热导率（1300W m^-1K^-1）成为了理想的衬底材料选择。然而，热量在从芯片传输到衬底材料的过程中，往往因为界面接触不充分而遇到热阻挑战，影响了热的有效传输。因此，深入研究氮化镓与砷化硼之间的界面热输运特性，对于芯片散热的实际应用至关重要。

采用先进的机器学习技术，秦光照教授团队揭示了氮化镓和砷化硼异质结构之间存在的超高界面热导（260 MW m^-2K^-1），这主要得益于两种材料之间声子能带结构和晶格振动的高度匹配。这一发现打破了传统散热性能的局限，为电子设备、芯片和集成电路的高效散热提供了可能。相比于其他氮化镓异质结构，如氮化镓-金刚石和氮化镓-碳化硅，氮化镓-砷化硼异质结构的界面热导在300到450 K的温度范围内显示出了明显的温度依赖性。这一发现对于促进砷化硼在电子器件冷却领域的实际应用具有重要的意义。

除此之外，该研究团队基于多年来对微纳尺度下热输运过程的深入研究，构建了一个多尺度模拟框架，覆盖了从微观到宏观的热输运过程仿真。这一重要进展突破了传统热物理科学在空间和时间尺度上的限制，使得人们能够更全面地定量研究并深入理解热输运特性。通过这一模拟框架的应用，研究团队发现了晶粒尺寸与界面热阻之间的竞争关系，即晶粒尺寸从1纳米增加到1000微米时，有效热导率先增加，随后减少，这些深刻的见解为理解和优化氮化镓-砷化硼异质结构的界面热输运特性提供了宝贵的信息，为优化芯片微系统结构，提高散热性能提供了重要依据。

该研究成果不仅展现了机器学习技术与热科学结合的巨大潜力，更为解决高功率电子设备的热管理难题提供了有效的技术方案，对未来电子器件的智能热管理具有重要的意义，为我国在芯片领域，特别是全球高性能散热方向的研究贡献了重要力量。

该研究得到了国家自然科学基金和国家重点研发计划青年科学家项目的资助，已在国际顶级学术期刊《Nature Communications》在线发表，湖南大学为该论文的第一单位和唯一通讯单位，湖南大学秦光照教授为论文通讯作者，硕士研究生吴静为第一作者。

论文链接：https://www.nature.com/articles/s41467-024-46806-7

Jing Wu, E Zhou, An Huang, Hongbin Zhang, Ming Hu, Guangzhao Qin^*, Deep-potential enabled multiscale simulation of gallium nitride devices on boron arsenide cooling substrates,Nature Communications 15, 2540(2024) ;