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.
