Perpustakaan Digital ITB

Ti3C2Tx MXenes merupakan kandidat dua dimensi yang menjanjikan untuk material antarmuka termal (thermal interface materials, TIM) generasi berikutnya, yang menggabungkan konduktivitas termal tinggi dengan permukaan terfungsionalisasi dan hidrofilik yang mendukung kontak antarmuka yang kuat. Memprediksi konduktivitas termal kisi (?L) secara akurat dari density functional theory (DFT) penuh memerlukan ribuan konfigurasi hasil pergeseran atom (displaced configurations) untuk konstanta gaya anharmonik orde tiga (FC3), sehingga secara komputasi sangat mahal untuk screening yang luas. Dalam penelitian ini, kami mengembangkan alur kerja hibrida yang menggabungkan medan gaya machine learning (multilayer perceptron, MLP) dengan solusi transport Boltzmann fonon berbasis Phono3py, yang diterapkan pada dua varian terminasi MXene, yaitu Ti3C2O2 dan Ti3C2Cl2. Konstanta gaya harmonik (FC2) dari DFT mereproduksi dispersi fonon yang stabil secara dinamis untuk kedua material, sesuai dengan hasil eksperimen. MLP yang dilatih pada gaya-gaya DFT mereproduksi gaya interatomik dengan koefisien determinasi sebesar 0,933, mengungguli baseline random forest dan gradient boosting, serta memangkas biaya pembangkitan konstanta gaya anharmonik sekitar empat orde besaran dibandingkan DFT penuh. Namun demikian, penyelesaian persamaan transport Boltzmann anharmonik dengan FC3 hasil prediksi ML belum konvergen untuk kedua material tersebut. Oleh karena itu, nilai ?L yang dilaporkan di sini berasal dari FC2 DFT sesungguhnya yang dikombinasikan dengan aproksimasi hamburan batas (Casimir) yang tidak menyertakan hamburan fonon–fonon anharmonik (Umklapp), menghasilkan nilai 70,84 W/mK untuk Ti3C2O2 dan 26,42 W/mK untuk Ti3C2Cl2 pada suhu 300 K, yang merepresentasikan batas atas fisis dengan orde besaran yang sama dengan literatur DFT independen (10–108 W/mK). Hasil-hasil ini memvalidasi tahap harmonik dari pipeline yang dikembangkan dan mengkuantifikasi akurasi medan gaya ML saat ini, sekaligus mengidentifikasi konvergensi konstanta gaya anharmonik hasil prediksi ML sebagai tantangan utama yang masih terbuka menuju screening ?L yang presisi dan efisien untuk kandidat TIM berbasis MXene.