Le silicium non cristallin mieux caractérisé grâce aux modèles d’apprentissage automatique
Une équipe de recherche internationale, emmenée par l’université d’Oxford au Royaume-Uni, démontre la performance des modèles d’apprentissage automatique en simulant un système de grande taille – 100 000 atomes. Alors que la forme cristalline du silicium est bien caractérisée, sa forme solide désordonnée – amorphe – est difficile à étudier. L’approche permet de décrire finement la structure du silicium amorphe soumis à compression, passant d’un état semi-conducteur à métallique. Ces résultats sont publiés le 6 janvier dans la revue Nature.
La simulation numérique de systèmes contenant un grand nombre d’atomes demande du temps et les ressources d’un supercalculateur. Depuis quelques années, les méthodes d’apprentissage automatique se font une place parmi la communauté scientifique pour modéliser un nombre croissant d’atomes. En 2018, un modèle de 4096 atomes de silicium soumis à une pression constante était publié. Ici, la même équipe simule un système de 100 000 atomes soumis à un refroidissement et une pression allant jusqu’à 20 gigapascals.
À gauche : une simulation basée sur la thermodynamique. Au centre : l’étude pilote contenant 4096 atomes. À droite : le système de 100 000 atomes.
Mal caractérisé sous sa forme non cristalline
En conditions ambiantes, le silicium est un solide semi-conducteur qui peut présenter deux formes : cristalline ou désordonnée. C’est sous cette dernière forme – dite amorphe – qu’il est utilisé dans les écrans LCD ou panneaux solaires. Il présente la particularité d’exister sous différentes formes amorphes, aux structures et propriétés différentes – on parle de polyamorphisme. Même si le silicium amorphe a été largement étudié, ses transitions de phase ne sont pas bien comprises en raison des limites des techniques expérimentales et informatiques.
Grâce à leur approche, les chercheurs observent les différentes structures et propriétés du silicium amorphe, dont certaines non soupçonnées jusqu’à présent. Ils confirment tout d’abord une observation expérimentale : soumis à un refroidissement, le silicium passe rapidement d’une phase liquide à haute densité à une phase amorphe de faible densité.
De nouvelles transitions de phase observées
L’augmentation de pression qu’ils font subir au modèle révèle des nouveautés. Contrairement à ce que l’on pensait, l’évolution est graduelle : des formes amorphes de faible et haute densité coexistent au cours d’une période transitoire à partir d’une pression de 13,5 GPa. A 17GPa, le matériau perd rapidement 25 % de son volume et présente une forme amorphe de très haute densité. À 20 GPa, une forme métallique polycrystalline est rapidement créée.
En simulant des conditions difficiles à atteindre expérimentalement, les méthodes d’apprentissage automatique démontrent leur intérêt pour mieux caractériser les matériaux amorphes. Dans Nature, un chercheur estime que l’approche pourrait permettre d’explorer les possibilités de produire des nanostructures contenant des domaines métalliques ou semi-conducteurs en transformant le silicium amorphe. Ouvrant ainsi la voie à de nombreuses opportunités pour la communication électronique, le traitement des données ou la récupération d’énergie.
SUR LE MÊME SUJET
Le silicium non cristallin mieux caractérisé grâce aux modèles d’apprentissage automatique
Tous les champs sont obligatoires
0Commentaire
Réagir