现如今,小型化和高度集成化的电子设备正面临高热通量和温度分布不均匀的问题,可能会导致电子设备可靠性、性能和寿命的降低。这个问题在高性能芯片中尤为明显。由于芯片中存在复杂的纳米结构,声子的平均自由程大大缩小,导致了芯片中热输运与体态情况下的热输运存在不同。使用传统的有限单元法模拟芯片中的热输运问题是困难的,而分子动力学研究的特征尺寸多在10nm以下,目前仍难以应用在工业中,因而声子蒙特卡罗模拟极具应用潜力。在目前的声子蒙特卡罗模拟中,对三声子散射的处理仍然不够准确。过去的方案大多数是通过重置发生散射的声子实现声子散射,并在每个时间步的末尾向模拟域中添加或者删除声子维持能量守恒,对散射过程中的动量守恒则是忽略的。在这项工作中,首先计算并寻找符合三声子散射原理的散射过程,并将其用作训练样本,使用tensorflow库构建了两个神经网络用于处理N和U散射。通过迭代的方式寻找到最优的超参数,改进了N和U散射过程对应的神经网络,提高了测试集上的表现。本文搭建了使用改进后的神经网络处理声子散射的声子蒙特卡罗模拟程序。当一个声子被判定发生散射时,可以在散射阶段通过神经网络快速地搜索符合三声子散射原理的声子。对改进后的蒙特卡罗模拟进行了1D、2D下的弹道输运验证,在弹道输运中,当边界散射全部设置为镜面反射时,边界散射对系统不构成热阻,模拟区域不存在温度梯度;随着镜面系数的减少,温度分布的斜率上升,模拟结果与理论相符合。本文还通过计算了不同温度下体态硅的热导率验证了改进的三声子散射算法,结果与实验值相接近。对比了之前的蒙特卡罗模拟方案和BTE方案发现,本程序在低温下可以取得更好的表现,并统计不同极化的声子对热导率的贡献,发现BTE方案低估了TA支对热导率的贡献。改进后的声子模拟程序被用于硅纳米线的研究中,使用了两种不同的边界散射机制进行计算:直接追踪声子在边界反射的方案,和采样边界散射的弛豫时间方案。直接追踪声子与复杂边界碰撞过程需要大量的计算资源。在采样弛豫时间处理边界散射的方案中,使用之前预模拟或公式得到的弛豫时间,通过随机数判断每一个模拟的时间步内声子是否发生边界散射,并不直接判断声子是否碰撞边界,减少了计算所需的时间。37nm和115nm的模拟结果与实验相近,但在22nm的硅纳米线中,模拟结果与实验结果偏差较大,这可能是由于纳米线的色散曲线与体态的色散曲线的不同导致的。本文还验证了纳米线中,尺寸的降低抑制了LA支声子对热导率的贡献,导致了热导率的下降。最后本文还模拟了收缩截面纳米线中温度分布,考虑了收缩截面深度和收缩区域宽度对温度分布和声子传输的影响。由于收缩区域的边界的剧烈边界散射,在边界处都出现了温度跳变。通过对比LA支与TA支对热导率的贡献,发现收缩结构主要对TA支声子产生抑制,降低了热导率。修改了不同的收缩区域宽度,发现宽度对于每个支的影响很小,收缩区域深度对声子传输影响更明显。通过修改收缩截面深度调制热导率获得更低的热导率和更高的ZT值在纳米结构中是可行的。