Taras Shevchenko National University of Kyiv

多孔硅的有效热导率长期因孔隙形貌和衬底掺杂不同而分散，单一模型难以同时覆盖。研究把气体微音光声测量、原子尺度分子动力学与物理约束神经网络放在同一批48%至75%孔隙率样品上对照，发现分子动力学更贴合重掺杂柱状结构，神经网络更贴合轻、中掺杂的随机海绵状网络。再用符号回归把孔隙率与温度合成为一个解析式，在5%至85%孔隙率、300至900 K范围内训练集平均绝对百分比误差不超过6.5%。

多孔硅的有效热导率长期因孔隙形貌和衬底掺杂不同而分散，单一模型难以同时覆盖。研究把气体微音光声测量、原子尺度分子动力学与物理约束神经网络放在同一批48%至75%孔隙率样品上对照，发现分子动力学更贴合重掺杂柱状结构，神经网络更贴合轻、中掺杂的随机海绵状网络。再用符号回归把孔隙率与温度合成为一个解析式，在5%至85%孔隙率、300至900 K范围内训练集平均绝对百分比误差不超过6.5%。