电-热仿真教程（B部分）：热网格、边界条件与实验拟合
1. 引言：Part B 的范围与重点
在 Part A 中，你运行了一个 电-热仿真，识别了主要的热产生机制 （载流子输运加热、复合加热和寄生损耗）， 并学习了如何提取随外加偏压变化的晶格温度输出。 第一部分主要关注器件中产生了什么热以及热出现在何处。而在这个 Part B 中，我们关注问题的另一半： 热量如何从器件中传导出去。 这由热网格以及至关重要的 热边界条件来控制。 边界条件刻画了器件在实际中如何安装、冷却或连接到散热体， 并且它们通常对最终的温升具有一阶影响。 两个具有相同电学行为和相同热产生项的仿真， 仅仅由于热边界假设不同， 就可能产生非常不同的温度分布。
因此，你将看到为什么电-热仿真通常采用一个 大于电学求解区域的热学区域， 如何使用等效边界条件来表示宏观散热体， 而无需显式地对其进行网格划分， 以及为什么温度相关的材料量需要在离散温度网格上进行预计算。本教程继续使用一个有机二极管示例，因为它具有实验依据， 并且包含可测量的自发热效应，但整个工作流程是完全通用的。 相同概念同样适用于无机半导体、薄膜器件、 功率电子、光探测器，以及任何电功耗会通过温度 反馈到输运中的结构。
完成 Part B 后，你应当理解：
- 为什么热网格不同于电学网格，
- 热边界条件如何控制散热，
- 为了提高效率，内部如何使用温度离散化，以及
- 为什么有时必须包含自发热才能匹配实验数据。
2. 热网格与边界条件
从主仿真窗口开始，切换到 Thermal 功能区。这与 Part A 中介绍的是同一个功能区： 它包含热源开关和核心配置控件（热参数、热网格和边界条件）。 该功能区如 ?? 所示。
2.1 热网格以及它为什么不是电学网格
点击 Thermal mesh 打开热网格编辑器。乍一看，它和你在 OghmaNano 中见过的其他网格编辑器类似， 但它求解的是不同的物理问题：热扩散。关键点在于，电-热仿真使用两套网格，因为电学和热学问题通常位于 根本不同的长度尺度上：
- 电学网格用于求解输运（drift–diffusion + Poisson + 复合/陷阱）。它通常聚焦于 电学活动最强的区域：活性层及其附近界面，在这些区域中，电场和载流子密度变化很快。 这些变化可能发生在纳米到微米尺度上。
- 热网格用于求解晶格热方程。热并不会止步于活性层：它会扩散到整个器件堆栈中， 并进入接触、电极、基底、封装以及任何负责移除热量的部件。这些热传导路径通常位于 毫米到厘米尺度上。
这就是为什么使用单一“共享网格”通常是错误抽象的原因。电学问题在活性区需要高分辨率； 热学问题则需要足够大的区域来表示热流路径。 例如：
- 一个薄膜二极管的活性层厚度可能只有 100–300 nm，但其基底可能有 0.5–1 mm 厚（例如玻璃），而安装块或平台可能达到厘米量级。
- 一个金属接触在电学上可能只有几十纳米厚，但在热学上它可能是主要的横向热扩散体， 因为与有机层或氧化物层相比，它的热导率很高。
在这个示例中，你可以看到热学区域的 Y 高度 跨越了整个器件堆栈厚度， 而不是仅限于电活性区域。这是典型情况：热传导涉及所有导热层，而不仅仅是 电流流动的那些层。接下来，我们通过边界条件来配置热如何离开这个热区域。网格定义了 热可以扩散的区域；边界条件定义了在该区域边缘发生什么。
2.2 边界条件：绝热边界与等效散热体
打开边界条件编辑器，如 ?? 所示。 在这个示例中，大多数边界都设置为 Neumann（通常显示为 “Neumann (==0)”）。 从物理上看，Neumann 边界条件规定的是边界上的法向热流。 当它被设为零时，其约束为：
\[ -k \nabla T \cdot \hat{n} = 0 \]
即没有热量通过该边界。这些边界被视为热绝缘边界。 这并不意味着整个器件是热绝缘的；它只是告诉热求解器，这些 边界不是预期的散热路径的一部分。这里的例外是 ymax 面， 它被设置为 Heatsink。 该边界规定了一个位于 ymax 处的器件温度（本例中约为 300 K）， 同时还包括一个等效的散热体热导率和散热体长度 （在本例中大约是毫米量级）。
从概念上讲，这是一种等效散热模型。它允许热量从 模拟的器件堆栈流出，进入一个未显式网格化的散热体， 而无需让热网格包含一个宏观物体。这一点很重要，因为真实的散热体通常比 薄膜器件大好几个数量级：如果以亚微米分辨率显式网格化一个毫米到厘米尺度的散热体， 将在计算上非常低效，而且在物理上也没有必要。需要特别强调的是，在热学问题中， 边界条件在很大程度上决定了器件会变得多热。 差的散热路径会导致温度迅速升高，而高效散热路径则可能在明显功耗下 仍使温度保持接近环境温度。
一个有用的类比是把器件想象成一个正在放水的浴缸。 热产生项相当于水龙头：它们不断向系统注入能量。 热边界条件则相当于下水口：
- 如果下水口完全畅通（优良散热），水位保持较低。
- 如果下水口部分堵塞（散热受限），水位会上升。
- 如果下水口关闭（无散热），浴缸最终会溢出。
在这个类比中，水位就是晶格温度。 因此，热边界条件并不是装饰性的或次要的： 它们编码了物理环境，而正是这个环境最终决定器件是保持低温、 略微升温，还是灾难性过热。
2.3 温度“网格点”（为什么温度需要离散化）
热网格编辑器还显示了一个温度范围和若干温度点。这并不是空间热网格： 它是用于预计算的温度网格。电-热模型的许多部分都需要在耦合求解过程中 反复评估温度相关量，而在每一个中间温度点都从头计算这些量在计算上代价很高。例如，根据所选择的统计模型和态密度模型， 求解器可能需要载流子密度、准热力学函数以及相关查找量的温度依赖关系。 OghmaNano 并不是在耦合循环每次更新 \(T_L\) 时都“实时”求解它们， 而是先在有限个温度点上预计算背景表， 然后在运行过程中在这些点之间进行插值。 在这个示例中，表格是在 290 K 到 350 K 之间 的 7 个点上生成的。
这使得温度范围本身成为一个建模选择：它应当能够舒适地覆盖自发热过程中 预期出现的温度。如果器件温度高于上限温度， 你就有可能遇到外推伪影（或根据设置发生钳位）， 而这通常并不是你想要的。一个实用原则是：选择一个 带有适当裕量、能够覆盖预期工作温度的范围。
3. 热参数（热导率与驰豫时间）
在电-热仿真中，边界条件定义了热量如何离开器件， 而材料参数则定义了热量在堆栈内部如何传播。 实际上，控制温升和热点形成的最重要量之一就是 热导率 \(k\)（有时也写作 \(\kappa\)）。
要查看或编辑这些参数，请打开 Thermal 功能区并点击 Thermal parameters （标有 \(k\) / \(\kappa\) 的按钮）。这会打开 ?? 所示的逐层热参数编辑器。
编辑器为每一层显示三个关键参数：
- 热导率 \(k\)：控制热量在该层中扩散的效率。 低 \(k\) 层会成为热瓶颈，并可能显著增加预测的晶格温升。
- 电子驰豫时间 和 空穴驰豫时间：这些只在使用 hydrodynamic / energy-transport 模型时才需要，在该模型中载流子温度可以偏离晶格温度。 在标准晶格热模型中不需要它们，因为载流子温度被锁定为 \(T_L\)。
在大多数工作流程中，热导率取自已发表文献值（如果有的话也可使用实测值）， 只有在存在明确实验依据时才会进一步微调。 与边界条件一起，\(k\) 是决定器件绝对温度及热点空间分布的主要因素之一。
4. 耦合电-热求解器如何工作（以及为什么它更慢）
OghmaNano 中的电-热仿真由两个耦合求解器组成：
- 一个完全耦合的电学求解器（drift–diffusion 和 Poisson，包括 启用时的复合与陷阱），以及
- 一个热学求解器，它对晶格温度场 \(T_L\) 的热扩散方程进行求解， 所使用的热源项来自电学解。
在给定外加电压下，求解器并不是按顺序只运行这两个阶段一次。 相反，它执行一个自洽的外层循环：
- 使用当前温度场求解电学输运问题，
- 计算热源项（输运、复合、寄生以及可选的光学热源），
- 求解热扩散问题以更新 \(T_L\)，以及
- 重复上述过程，直到电学和热学残差均收敛。
这种迭代耦合就是电-热仿真比纯电学仿真更慢的原因： 对于每一个偏置点，在耦合系统稳定之前， 电学 Newton 求解和热学求解都可能需要运行多次。 其结果是一个真正自洽的多物理场解， 而不是在电学计算后进行温度后处理。
这种耦合是必要的，因为电学和热学问题通常位于 非常不同的物理长度尺度上。 电学输运主要由活性区控制，在该区域中电场、载流子密度 和复合速率变化迅速。 热输运则必须考虑完整的热流路径，包括接触、 基底、封装和散热体。 这就是 OghmaNano 要为热网格 和热边界条件提供独立控制的原因。
同样重要的是要认识到，电-热框架天然涉及 多个温度。 一般来说，该模型区分晶格温度 \(T_l\)， 它描述原子晶格的温度，以及电子温度 \(T_e\) 和空穴温度 \(T_h\)。
电子和空穴是可移动的载流子群体， 原则上，它们可以拥有各自的局部能量， 就像它们拥有各自的准费米能级一样。 在这里使用的标准电-热模型中，电子和空穴温度 被锁定到晶格温度， 因此所有子系统共享同一个温度场。
在极端工作区间下，OghmaNano 也支持hydrodynamic transport model， 在该模型中，电子和空穴温度可以偏离晶格温度。 这种高级模型在其他地方有更详细的描述， 并且只在特殊情况下才需要。 对于绝大多数器件仿真，包括本教程在内， 基于晶格的电-热模型已经是合适且足够的。
5. 自发热与实验比较
这个示例器件已经通过电-热模型与实验数据进行了比较。 本教程中不会执行任何拟合。 相反，这里使用已有的比较结果来说明 自发热如何改变器件的电学响应， 以及为什么在较高工作电流下需要耦合的电-热处理。
比较工作流程通过 Automation 工具栏访问，如 ?? 所示。 打开 fit-to-experiment 工具后， 会显示该器件的实验 JV 数据，如 ?? 所示。 这条曲线代表器件在偏压下的实测行为。
运行一次迭代。在单次电-热求解之后， 仿真的 JV 曲线会叠加到实验数据上，如 ?? 所示。 在这个例子中，两者符合得较好， 表明该模型捕捉到了器件主导性的输运和热学物理。
自发热的作用可以通过在关闭热模型后重复相同的比较来清楚看出：
- 返回 Thermal 功能区。
- 禁用热模型。
- 再次运行一次迭代进行比较。
得到的 JV 曲线将不再与实验数据匹配，如 ?? 所示。 这种偏差在较高偏压下最为明显， 因为此时电流密度较大， 由载流子输运引起的自发热开始变得显著。
这一比较展示了电-热建模的一个核心结论： 一旦器件工作在高电流密度区间， 电功耗就会通过温升反馈到输运中。 固定温度的电学仿真无法捕捉这种效应， 而耦合电-热模型则可以。