Perpustakaan Digital ITB

Nilai konduktivitas kisi termal (LTC) memiliki pengaruh yang besar dalam mengevaluasikan sifat termoelektrik dari suatu material. Sebagaimana kinerjanya yang menggunakan memperhitungkan transportasi fonon, kalkulasi dilakukan dengan metode teori fungsional kerapatan (DFT). Akan tetapi, metode ini membutuhkan daya dan waktu komputasi yang tinggi. Dengan mempertimbangkan hal ini, telah dilakukan pembuatan medan gaya antar atom melalui pembelajaran mesin (ML) dengan dataset DFT yang lebih terbatas. Potensial pembelajaran mesin yang telah dibuat akan dipakai pada simulasi dinamika molekular (MD) untuk kalkulasi LTC secara efektif (ML-MD). Telah dilakukan investigasi LTC dari monolayer karbon pniktida (?-CX (X = N,P,As) ) dengan metode DFT dan ML-MD serta perbandingannya. Material ini dipilih karena potensi menjanjikan dalam pengaplikasian optoelektronik dan termoelektrik. Model ML yang telah dibuat memiliki keakuratan yang relatif tinggi setelah dibandingkan dengan kalkulasi DFT. Peninjauan ini dapat mengurangi daya dan waktu komputasi tanpa mengurangi akurasi karena metode ini dapat memberikan peninjauan yang cepat, akurat, dan efektif dalam kalkulasi transportasi termal dalam material dimensi rendah. Pengurangan biaya komputasi ini dapat mencapai akurasi yang tinggi dengan pengurangan waktu sebesar 4 kali dari hasil DFT.