High-throughput screening of Heusler alloys for thermoelectrics combining machine-learned densities of states and first-principles transport
Sardar Vallabhbhai National Institute of Technology, Surat（印度苏拉特萨达尔·瓦拉巴伊国立理工学院）；Indian Institute of Technology Madras（印度马德拉斯理工学院）
本研究结合机器学习态密度与第一性原理输运，对DXMag数据库中10万余种Heusler合金进行高通量筛选，确认80种候选热电材料，验证了DOS衍生指标的筛选有效性。
2026-10-15 cond-mat.mtrl-sci
Towards a simplified description of thermoelectric materials: Accuracy of approximate density functional theory for phonon dispersions
本文采用基于密度泛函的紧束缚方法（DFTB）计算了几种二维材料和金刚石的声子色散关系。我们的目标是验证这种数值有效的方法是否提供足够准确的声子频率和群速度来计算可靠的热电性能。为此，将结果与可用的DFT结果和实验数据进行比较。为了量化给定频带的准确性，引入了描述符，该描述符总结了已经在谐波近似中可用的对晶格电导率的贡献。我们发现，DFTB预测强烈依赖于所采用的排斥对势，这是一个重要的先决条件，这种方法。对于碳基材料，准确的对电位被识别，并导致错误的描述符是相同的顺序不同的本地和半本地DFT方法之间的差异。
2019-05-02 cond-mat.mtrl-sci
Descriptors of intrinsic hydrodynamic thermal transport: screening a phonon database in a machine learning approach
机器学习技术用于探索流体动力学热传输的内在起源，并发现科学和工程感兴趣的新材料。流体动力学热输运本质上由流体动力学尺度和热导率决定。得到了131种晶体化合物材料的内禀性质与谐波和非谐波性质之间的相关性，以及大量的成分（290）和结构（1224）描述符，揭示了决定内禀流体力学效应大小的一些关键描述符，其中大部分与声子弛豫时间有关。然后，一个经过训练的黑盒模型被应用于筛选5000多个材料。结果确定具有潜在技术应用的材料。了解与流体动力学热输运相关的性质有助于发现新的热电材料，并有助于设计新材料以减轻电子器件中的散热。
2021-10-19 cond-mat.mtrl-sci
Thermoelectric Transport Coefficients in Mono-layer MoS2 and WSe2 Role of Substrate, Interface Phonons, Plasmon, and Dynamic Screening
采用Rode迭代法求解Boltzmann输运方程和耦合的电流、热流方程，计算了两种新近出现的过渡金属二硫属化物（TMD）MoS2和WSe2的热电输运系数.考虑了局域施主杂质的散射、声学形变势、纵向光学（LO）声子和衬底诱导的远程声子模。研究了TMD等离子体激元与远声子模的杂化。研究了在电介质环境中TMD在线性极化响应下的动态屏蔽，计算了屏蔽后的电声子耦合矩阵元。解释了屏蔽效应和基片诱导的远程声子介导散射对上述材料输运系数的影响。输运系数得到三种不同类型的基板SiO2，Al2O3和HfO2的温度和掺杂密度的变化范围。热电性能的兴趣，包括塞贝克系数，珀耳帖系数，和电子热导率进行了计算。
2015-06-18 cond-mat.mes-hall cond-mat.mtrl-sci
Accelerated screening of thermoelectric materials by first-principles computations of electron-phonon scattering
最近发现的用于热电能量转换的新材料是通过从第一原理有效预测材料的性能而实现的，而无需经验拟合的参数。描述了一种新的简化的计算电子输运性质的方法，与现有的方法相比，该方法具有良好的精度和可移植性，同时大大降低了复杂性和计算成本。电子-声子耦合的第一性原理计算表明，电子弛豫时间的能量依赖性随化学成分和载流子浓度的变化而显著变化，这表明有必要超越常用的近似来筛选和优化材料的成分、载流子浓度和微观结构。新的方法进行了验证，使用高精度的计算和验证的实验数据，然后将其应用于筛选和发现有前途的组合物在空间的半Heusler合金。通过分析数据趋势，有效电子质量被确定为决定材料性能的单一最佳通用描述符。从第一性原理出发计算了洛仑兹数，并讨论了Wiedemann-Franz定律在热电学中的普适性。
2018-05-01 cond-mat.mtrl-sci
Machine learning with force-field inspired descriptors for materials: fast screening and mapping energy landscape
我们提出了一套完整的化学结构描述符，以显着扩展机器学习（ML）在多组分系统的材料筛选和映射能量景观的适用性。这些新的描述符允许区分结构原型，这是不可能使用常用的化学描述符。具体而言，我们证明了成对的径向，最近邻，键角，二面角和核心电荷分布的组合在预测形成能，带隙，静态折射率，磁性和弹性模量的三维（3D）材料以及剥离能的二维（2D）层状材料中起着重要的作用。训练数据由取自JARVIS-DFT数据库的24549块体材料和616块单层材料组成。我们使用梯度提升算法获得了非常准确的ML模型。然后，我们使用经过训练的模型来发现满足特定性能要求的可剥离2D分层材料。此外，我们将我们的形成能量ML模型与遗传算法的结构搜索，以验证ML模型再现DFT凸包。这种验证为ML模型建立了比数据科学中常用的更严格的评估指标。我们学习的模型可在JARVIS-ML网站（https：//www.example.com）上公开获得广义材料的属性预测。
2018-07-19 cond-mat.mtrl-sci
Screening of half-Heuslers with temperature-induced band convergence and enhanced thermoelectric properties
本文利用电子-声子重整化方法揭示半赫斯勒化合物温度诱导导带汇聚的关键因素，并据此从274种材料中筛选出TiRhBi、TiPtSn、NbPtTl，以TiPtSn为例验证了温度效应对塞贝克系数和热电性能预测的重要性。
2024-06-29 cond-mat.mtrl-sci
Lattice-to-Total Thermal Conductivity Ratio: A Phonon-Glass Electron-Crystal Descriptor for Data-Driven Thermoelectric Design
Kyoto University（京都大学）；Northwestern University（西北大学）；Osaka University（大阪大学）
本文提出晶格-总热导率比0.5作为热电材料优化的描述符，结合机器学习模型筛选低热导率候选材料并指导优化，推动材料发现与性能提升的结合。
2026-04-25 cond-mat.mtrl-sci cs.LG
Defect-Engineered h-BN as a Platform for Single-Atom HER Catalysts: Descriptor Screening Refined by Electrochemical Stability Analysis
University of Belgrade − Faculty of Physical Chemistry（贝尔格莱德大学物理化学学院）；Luleå University of Technology（吕勒奥理工学院）；Serbian Academy of Sciences and Arts（塞尔维亚科学与艺术院）
通过电化学稳定性分析优化的描述符筛选，发现Pd@VB在广泛电位-pH范围内稳定，而Cu@VN易受中毒，揭示了缺陷工程化h-BN作为单原子HER催化剂平台的筛选策略
2026-02-26 cond-mat.mtrl-sci
Screening potential topological insulators in half-Heusler compounds via compressed-sensing
三元半Heusler化合物具有广泛的可调电子结构，为发现拓扑绝缘体提供了一个新的平台。然而，由于耗时的计算和综合过程，新的拓扑绝缘体的识别是一项艰巨的任务。本文采用压缩传感方法快速筛选半Heusler族中的势拓扑绝缘体，该方法通过只依赖于组成原子基本性质的二维描述子实现.除了有限的训练数据，建议的描述符被用来筛选许多新的半Heusler化合物，包括那些与整数和分数的化学计量比，并预测了大量的可能的拓扑绝缘体。
2020-04-26 cond-mat.mtrl-sci
Crossover from Boltzmann to Wigner thermal transport in thermoelectric skutterudites
本研究利用Wigner热输运公式揭示方钴矿热传导微观机制，发现填充原子可引发热输运从类粒子Boltzmann区到类波Wigner区的转变，定义偏差描述符并提出热电材料组分优化设计策略。
2023-10-09 cond-mat.mtrl-sci
Large Language Model Assisted Discovery of Optimal Dopants for Enhanced Thermoelectric Performance in CoSb$_3$ Based Skutterudites
School for Engineering of Matter Transport and Energy, Arizona State University（亚利桑那州立大学物质传输与能源工程学院）
本文提出一种数据驱动方法，利用大语言模型加速发现高性能CoSb$_3$基硫化物，通过训练回归头预测热电优值，降低均方误差，并通过密度泛函理论和分子动力学计算验证预测的掺杂剂性能。
2026-04-07 cond-mat.mtrl-sci
Lowering the Exponential Wall: Accelerating High-Entropy Alloy Catalysts Screening using Local Surface Energy Descriptors from Neural Network Potentials
针对高熵合金催化筛选的指数级计算瓶颈，提出基于局域表面能描述符的线性回归与机器学习方法，实现快速高精度预测，大幅加速催化剂设计。
2025-01-27 cond-mat.mtrl-sci quant-ph
Convolutional Neural Networks and Volcano Plots: Screening and Prediction of Two-Dimensional Single-Atom Catalysts
本研究结合多分支CNN与混合描述符火山图，筛选二维单原子催化剂用于高效CO2还原，预测吸附能并揭示电子尺度原理，为理论筛选与实验合成提供框架。
2024-02-06 cond-mat.mtrl-sci
Thermoelectric transport and the role of different scattering processes in the half-Heusler NbFeSb
该研究从头算模拟了半赫斯勒NbFeSb的热电输运，发现极性光学声子与电离杂质散射主导性能，所提方法较全从头算快10倍以上且保持精度。
2025-10-27 cond-mat.mtrl-sci
A Normalized Descriptor for Unbiased Screening of Second-Order Nonlinear Optical Materials
Northwestern University（西北大学）
本文提出一种标准化描述符，用于评估第二-order非线性光学材料的性能，通过考虑带隙依赖的物理极限，实现跨材料的公平比较。
2025-11-04 cond-mat.mtrl-sci physics.optics
Accelerated Discovery of Crystalline Materials with Record Ultralow Lattice Thermal Conductivity via a Universal Descriptor
Northwestern Polytechnical University（西北工业大学）；CRISMAT, CNRS, Normandie Univ, ENSICAEN, UNICAEN（诺曼底大学，卡昂国立高等工程学院，法国国家科学研究中心材料研究化学实验室）；Thayer School of Engineering, Dartmouth College（达特茅斯学院塔克工程学院）；Institute Laue Langevin（朗之万研究所）；FZU - Institute of Physics of the Czech Academy of Sciences（捷克科学院物理研究所）；ShanghaiTech Laboratory for Topological Physics & School of Physical Science and Technology, ShanghaiTech University（上海科技大学物理科学与技术学院拓扑物理实验室）；Université de Lorraine, CNRS, IJL（洛林大学，法国国家科学研究中心，界面与层析实验室）
通过通用描述符和高通量筛选发现具有极低热导率的晶体材料，结合实验验证其极低热导率的成因
2025-11-27 cond-mat.mtrl-sci
ML-guided screening of chalcogenide perovskites as solar energy materials
International Iberian Nanotechnology Laboratory（伊比利亚纳米技术国际实验室）；Faculty of Engineering, University of Porto（波尔图大学工程学院）；Humboldt-Universität zu Berlin（柏林洪堡大学）
本文提出一种数据驱动的筛选框架，通过结合可解释分析描述符、机器学习模型和可持续性指标，评估硫化物钙钛矿的稳定性与实验可行性，并发现新的候选材料。
2026-02-25 cond-mat.mtrl-sci
Electronic Structure Descriptors for CO$_2$ Conversion Activity in Perovskite Oxides
Kyungpook National University（庆北大学）
本研究通过电子结构描述符揭示钙钛矿氧化物中CO₂转化活性与未占据TM 3d带中心、电荷转移能及带宽比W₃d/W₂p的负相关，并利用BFS方法得到仅依赖W₃d/W₂p的拟合方程，成功筛选出La₂CoGaO₆等有前景的候选材料。
2026-10-08 cond-mat.mtrl-sci
Data analytics accelerates the experimental discovery of new thermoelectric materials with extremely high figure of merit
热电（TE）材料是目前极少数可持续但可行的能源解决方案之一。能量收集的巨大前景取决于识别/设计具有比目前可用的材料更高效率的材料。然而，由于材料的化学空间广阔，到目前为止，只有一小部分被实验和/或计算扫描。在主动学习框架中采用基于压缩传感的符号回归，我们不仅确定了材料成分的趋势，以获得优异的TE性能，而且还预测和实验合成了几种性能极高的新型TE材料。其中，我们发现Ag $_{0.55}$ Cu $_{0.45}$ GaTe $_2$在827 K下具有高达约2.8的实验优值，这是该领域的突破。所提出的方法证明了材料科学中物理信息描述符的重要性和巨大潜力，特别是对于通常在良好控制条件下从实验中获得的相对较小的数据集。
2021-04-16 cond-mat.mtrl-sci
Mapping the Configuration Space of Half-Heusler Compounds via Subspace Identification for Thermoelectric Materials Discovery
本研究通过子空间识别方法分析1126种半赫斯勒化合物，揭示高热电性能的关键元素子空间，并实验验证Sc0.5Lu0.5AuSn具有低热导率，为热电材料发现提供新策略。
2025-01-20 cond-mat.mtrl-sci
Discarded gems: Thermoelectric performance of materials with band gap emerging at the hybrid-functional level
有限电子带隙是使用密度泛函理论（DFT）进行材料高通量筛选的标准滤波器。然而，由于在标准DFT近似中系统地低估了带隙，许多化合物可能被错误地预测为金属。在更准确的处理中，这样的材料可以替代地表现为低带隙材料，并且如果合适的掺杂是可行的，则可以例如具有良好的热电性质。为了探索这种可能性，我们进行了混合功能计算的1093立方材料中列出的MaterialsProjects数据库中的四个原子的原始晶胞，自旋中性基态，和形成能量在0.3 eV的凸包。在这些材料中，我们确定了八种化合物，其中出现了有限的带隙。评估这些化合物的电子和热传输性能，我们发现的组合物MgSc2汞和Li2 CaSi表现出有前途的热电性能。这些发现强调了重新评估化合物的带隙和能带结构以识别其他潜在热电材料的潜力。
2021-07-19 cond-mat.mtrl-sci
Predicting Thermoelectric Transport Properties from Composition with Attention-based Deep Learning
热电材料可用于制造将废热回收为电能的装置。然而，最著名的热电材料是基于稀有、昂贵甚至有毒的元素，这限制了它们的广泛应用。为了能够在全球范围内部署，因此需要新型的有效热电器件。传输特性的$\textit{Ab initio}$模型可以帮助设计新的热电器件，但是它们在计算上仍然太昂贵，不能仅仅依赖于在所有可能的候选物的巨大化学空间中进行高通量筛选。在这里，我们使用现代机器学习技术构建的模型来扫描非常大面积的无机材料空间，以寻找新的热电材料，并使用成分作为输入。我们采用基于注意力的深度学习模型，根据来自$\textit{ab initio}$计算的数据进行训练，以预测材料在一定温度范围内的塞贝克系数、电导率和功率因子以及$\textit{n}$或$\textit{p}$类型的掺杂水平，考虑到输入的简单性，具有令人惊讶的良好性能，并且计算成本显着降低。将该模型应用于已知和假设的二元和三元硒化物的空间的结果揭示了几种可能代表有前途的热电材料。我们的研究建立了一个基于成分的热电行为预测协议，可以很容易地增强更准确的理论或实验数据库变得可用。
2022-12-13 cond-mat.mtrl-sci
Bipolar conduction asymmetries lead to ultra-high thermoelectric power factor
低带隙热电材料在高温下遭受双极效应，具有增加的电子热导率和降低的塞贝克系数，导致降低的功率因数和低ZT品质因数。在这项工作中，我们表明，存在较强的传输之间的不对称性的传导和价带可以允许高声子限制的电子电导率在有限的塞贝克系数值，从而大大增强功率因数。可以实现的功率因数与其最大单极对应物相比可以显著更大，从而允许ZT品质因数加倍。我们确定这种行为在低带隙的情况下，从半Heusler材料家族。使用这两个，先进的电子玻尔兹曼传输计算现实的材料能带结构，以及模型抛物线电子带，我们详细说明了确定这种效果的参数。然后，我们开发了一系列描述符，这些描述符可以指导机器学习研究在几乎原始的条件下识别具有非凡功率因子的此类材料。为此，我们测试了3000多个分析能带结构及其特征，以及120多个可能的描述符，以确定最有前途的那些，这些描述符包含：i）仅能带结构特征，以便于从材料数据库中识别，以及ii）能带结构和输运参数，这些参数提供了更高的相关性，但参数可用性可能有点稀缺。
2022-02-04 cond-mat.mtrl-sci cond-mat.other
High-throughput exploration of alloying as design strategy for thermoelectrics
我们探索一种材料设计策略，以优化热电功率因数。该方法是基于筛选的能带结构的变化后，一个控制的体积变化。该方法适用于二元硅化物和锗化物。我们首先确认在反萤石Mg2Si和Mg2Ge中的效果，其中通过与Mg2Sn合金化来增加功率因数是实验建立的。在一个高吞吐量的形式主义，我们确定了六个以前未报告的二进制文件，表现出改善其运输性能与体积。其中，六方MoSi_2和正交Ca_2Si和Ca_2Ge的zT随体积的增加最大。然后，我们进行超细胞计算的特殊准随机结构，以调查获得的可能性，稳定的合金系统，将产生必要的体积变化。我们发现，对于Ca_2Si和Ca_2Ge，即使在低温下也容易形成具有同构Ca_2Sn的固溶体。
2015-08-14 cond-mat.mtrl-sci
Magnetoelastic coupling descriptor for high-throughput ab initio search of magnetocaloric materials
University of Nebraska at Kearney（内布拉斯加大学基尼分校）；University of Nebraska-Lincoln（内布拉斯加大学林肯分校）
该研究基于朗道相变理论构建磁弹性耦合描述符，经评估已知磁热材料后，通过高通量从头计算筛选发现Mn₃Ge和Mn₃Sb的L1₂立方相是潜在强磁热材料。
2026-08-13 cond-mat.mtrl-sci
Data-driven Discovery of 3D and 2D Thermoelectric Materials
在这项工作中，我们首先进行了系统的搜索高效率的三维（3D）和二维（2D）热电材料相结合的半经典输运技术与密度泛函理论（DFT）计算，然后训练机器学习模型的热电数据。在目前公开的JARVIS-DFT数据库中的36000种三维和900种二维材料中，我们使用多步筛选程序确定了2932种3D和148种2D有前途的热电材料，其中为带隙，Seebeck系数和功率因数等关键量选择了特定的阈值。我们计算了数据库中所有材料的塞贝克系数，并通过将我们的结果与实验和现有的计算数据集进行比较来验证我们的计算。我们还研究了化学，结构，晶体学和尺寸趋势对热电性能的影响。我们预测了几类有效的3D和2D材料，如Ba（MgX）2（X=P，As，Bi），X2 YZ 6（X=K，Rb，Y=Pd，Pt，Z=Cl，Br），K2 PtX 2（X=S，Se），NbCu 3X 4（X=S，Se，Te），Sr 2XYO 6（X=Ta，Zn，Y=Ga，Mo），TaCu 3X 4（X=S，Se，Te）和XYN（X=Ti，Zr，Y=Cl，Br）。最后，由于高吞吐量DFT的计算成本很高，我们使用梯度提升决策树（GBDT）和经典力场启发描述符（CFID）对n型和p型塞贝克系数和功率因子进行训练机器学习模型，以快速预筛选材料，用于指导下一组DFT计算。数据集和工具在以下网站上公开提供：https://www.ctcms.nist.gov/~k…
2020-01-30 cond-mat.mtrl-sci
Excellent Thermoelectric Performances of Pressure Synthesized ZnSe2
我们计算的晶格热导率的黄铁矿型ZnSe 2的压力为0和10 GPa使用线性化的声子玻尔兹曼输运方程。我们得到一个非常低的值[0.69 W/（mK）在室温下0 GPa]，最好的热电材料相比。振动光谱的特征在于由于Se-Se二聚体的伸缩而产生的孤立的高频光学声子模式和由于Zn原子围绕这些二聚体的旋转而产生的低频光学声子模式。低频光学声子模具有很强的非谐性，并将显著增加三声子散射空间，从而抑制热导率。有趣的是，具有相似频率和波矢的两个横向声学声子模式具有非常不同的非谐性程度，这取决于它们的偏振。我们将此与低热导率，并表明横向声学声子模式的非谐性连接到相应的变化的黄铁矿参数，这可以被解释为一个描述符的局部体积变化。为了确定ZnSe 2的热电性能，我们还研究了其电输运性质。结果表明，p型和n型ZnSe 2均具有良好的电输运性能。我们追溯到复杂的能量等值面的价带和导带。低的热导率和有前途的电输运性质导致p型和n型掺杂的ZnSe 2的大的热电优值。
2019-12-23 cond-mat.mtrl-sci
Inverse Design of Ultralow Lattice Thermal Conductivity Materials Via Lone Pair Cation Coordination Environment
孤对（LP）电子的存在与晶格热传输的中断密切相关，这是实现有效热电能量转换的策略的关键组成部分。通过利用晶格热导率$κ_L$和磷族元素LP阳离子配位环境键角之间的经验关系，我们开发了一种基于材料数据库筛选的逆向设计策略，以识别具有超低$κ_L$的硫族化合物热电材料。筛选$\sim$ 635，000真实的和假设的无机晶体的开放量子材料数据库的基础上的组成元素，标称电子计数，LP阳离子配位环境，和合成，我们确定了189化合物预计表现出超低$κ_L$。作为验证，我们明确计算的晶格动力学性质的两个化合物（铜$_2$ AgBiPbS $_4$和MnTl $_2$作为$_2$ S $_5$）使用第一性原理计算，并成功地发现都实现超低$κ_L$值在室温下的$\sim$ 0.3--0.4 W/（m $\cdot$ K）对应的非晶极限。我们的数据驱动方法为热电材料提供了有前途的候选材料，并为材料的声子性质的设计开辟了新的途径。
2020-04-03 cond-mat.mtrl-sci
Optimal Band Structure for Thermoelectrics with Realistic Scattering and Bands
了解如何优化热电器件的电子能带结构是一个长期感兴趣的话题。现有的模型已被限制到简化的频带和/或散射模型。在这项研究中，我们应用更严格的散射处理更现实的模型能带结构-向上抛物带，弯曲到一个倒抛物行为-包括多个波段的情况下。与常见的描述符（例如，品质因数和复杂性因子），多个袋改善热电性能的程度受到带间散射和带的相对形状的限制。我们建立了极端各向异性的“平坦和色散”带，虽然在理论上表现最好，但在实践中可能并不代表一个有前途的设计策略。关键是，我们确定最佳带宽，依赖于温度和晶格热导率，从理论上可以显着提高$zT$通过本征能带结构单独可达到的值的完美的传输截止。我们的分析应该是广泛有用的热电研究界的眼睛$zT>3$。
2021-02-10 cond-mat.mtrl-sci physics.comp-ph
Accelerating Discovery of Extreme Lattice Thermal Conductivity by Crystal Attention Graph Neural Network (CATGNN) Using Chemical Bonding Intuitive Descriptors
通过CATGNN利用化学键描述符发现具有极值晶格热导率的材料，提升热绝缘和热电材料设计效率
2025-12-11 cond-mat.mtrl-sci
Accurate high-throughput screening of I-II-V 8-electron Half-Heusler compounds for renewable-energy applications
本研究通过第一性原理计算高通量筛选960种I-II-V 8电子半霍斯勒化合物，评估其热电、光电、拓扑绝缘体及透明导体应用潜力，发现多种高性能候选材料。
2019-10-07 cond-mat.mtrl-sci
Electronic Structure Descriptor for Discovery of Narrow-Band Red-Emitting Phosphors
窄带红光磷光体是用于高效照明级照明的磷光体转换发光二极管中的关键组分。在这项工作中，我们报告发现了一个定量描述符的窄带Eu 2+激活发射确定通过比较已知的窄带和宽带荧光粉的电子结构。我们发现，一个狭窄的发射带宽的特点是由两个最高的Eu 2 + 4f 7带之间的一个大的分裂超过0.1 eV。通过将此描述符在高通量的第一原理筛选的2,259氮化物化合物，我们确定了五个有前途的新的氮化物主机Eu 2+激活的红色发光荧光粉，预计表现出良好的化学稳定性，热猝灭电阻和量子效率，以及窄带发射。我们的研究结果提供了重要的见解稀土激活剂在磷光体主机的发射特性，和一个通用的策略，以发现具有所需的发射峰和带宽的磷光体。
2016-04-15 cond-mat.mtrl-sci
Thermoelectric effect in high mobility single layer epitaxial graphene
研究了碳化硅衬底上高迁移率单层外延石墨烯的热电响应随温度和磁场的变化关系。对于热电势的温度依赖性，即使当载流子密度很高时，也观察到与Mott关系的强烈偏离，这反映了屏蔽效应的重要性。在量子霍尔制度中，热电势峰的幅度低于理论预测的量子值，尽管样品的高迁移率。随着温度的降低，振幅的系统性降低表明热电势的抑制是石墨烯中狄拉克电子所固有的。
2011-04-07 cond-mat.mes-hall cond-mat.mtrl-sci
High-Entropy Skutterudites as Thermoelectrics: Potential Synthesizability, Enhanced Stability and Band Convergence via the Cocktail Effect
本研究通过鸡尾酒效应探索高熵硫化物作为热电材料，发现其具有潜在可合成性、增强稳定性及能带收敛特性，从而提升热电效率并降低成本。
2025-12-04 cond-mat.mtrl-sci
Looking for new thermoelectric materials among the TMX intermetallics using high-throughput calculations
在4种不同的晶体结构，2280三元金属间化合物的配置已通过高通量的密度泛函理论计算，以发现新的半导体材料进行了研究。筛选限于具有等摩尔组成TMX的金属间化合物，其中T是来自Ti、V、Cr列的过渡金属，Sr、Ba、Y和La，M是来自过渡金属的第一行的元素，X是sp元素（Al、P、Si、Sn和Sb），即24种可能元素的列表。由于计算是组合进行的，因此考虑了所有可能的三元组合物，即使是文献中没有报道的。所有这些TMX配置中的4个最报告的结构类型进行了研究：TiNiSi，MgAgAs，BeZrSi和ZrNiAl。与一个很好的协议之间的计算和文献报道的稳定相，我们确定了472个可能的稳定化合物，其中21个被预测为非金属。在这21种化合物中，有4种可以被认为是新的半导体。
2018-07-20 cond-mat.mtrl-sci
Probing efficient n-type lanthanide dopants for Mg$_3$Sb$_2$ thermoelectrics
最近发现的n型Mg $_3$ Sb $_2$热电材料引发了广泛的研究活动，寻找潜在的n型掺杂剂，这种材料。使用第一性原理缺陷计算，在这里，我们进行了系统的计算筛选潜在的有效的n型镧系元素掺杂剂的Mg $_3$ Sb $_2$。除了La，Ce，Pr，和Tm，我们发现，高电子浓度（$\geq$ 10 $^{20}$ cm $^{-3}$在900 K的生长温度）可以通过在Mg位点上掺杂Nd，Gd，Ho和Lu来实现，这通常比其他镧系元素掺杂剂和阴离子位点掺杂剂Te更有效。实验上，我们确认Nd和Tm作为Mg $_3$ Sb $_2$的有效n型掺杂剂，因为用Nd和Tm掺杂显示出具有比用Te掺杂更高的电子浓度的优异热电优值zT $\geq$ 1.3。通过Nd（Tm）和Te的共掺杂，实现了功率因数的同时提高和热导率的降低。结果，在775 K下，我们在n型Mg $_{3.5}$ Nd $_{0.04}$ Sb $_{1.97}$ Te $_{0.03}$和Mg $_{3.5}$ Tm $_{0.03}$ Sb $_{1.97}$ Te $_{0.03}$，分别，这是在没有与Mg $_3$合金化的n型Mg $_3$ Sb $_2$中的最高值双PDMATHAMN。这项工作揭示了探索有前途的n型掺杂剂的Mg $_3$ Sb $_2$热电设计。
2020-08-27 cond-mat.mtrl-sci
First-principle screening of structural, electronic and hydrogen storage properties of Vanadium based hydride perovskites XVH$_3$ (X = Li, K)
本研究基于第一性原理和 WIEN2K 代码，探究了 V 基钙钛矿氢化物 XVH$_3$ (X = Li, K) 的结构、电子与储氢性质，证实其具有立方结构、金属性及热力学稳定性，为绿色能源储氢应用提供了理论基础。
2024-12-23 cond-mat.mtrl-sci
High-Throughput Computational-Experimental Screening Protocol for the Discovery of Bimetallic Catalysts
在几十年的催化研究中，将d带中心与吸附物结合能相关联的d带中心理论成功地加速了新型催化剂材料的发现。最近的研究表明，在d带中心值之上，充分考虑描述d带高阶矩的d带形状以及sp带性质可以帮助更好地捕获表面反应性。然而，状态密度（DOS）模式本身从来没有被用作一个描述符在结合计算实验研究。在这里，我们提出了完整的DOS模式作为高吞吐量筛选协议的关键描述符，并证明了其有效性。本研究以合成过氧化氢（H2 O2）为示范催化反应，重点寻找可替代原型钯（Pd）催化剂的钯催化剂。通过一系列基于DOS模式相似性（使用第一性原理计算评估）和合成可行性的筛选过程，最终从4，350 Pd合金中提出了9个候选物，然后预期其具有与Pd相当的催化性能。随后的实验测试表明，4种Pd催化剂（Ni_（61）Pt_（39），Au_（51）Pd_（49），Pt_（52）Pd_（48），Pd_（52）Ni_（48））确实表现出与Pd相当的催化性能。此外，我们发现了一种新的Ni-Pt催化剂，这是迄今为止尚未报道的H2 O2直接合成。特别地，Ni 61 Pt 39优于用于化学反应的原型Pd催化剂，并且在成本归一化生产率方面表现出9.5倍的提高。该方案提供了一个新的机会，催化剂发现的替代或减少使用的铂族金属。
2020-09-17 cond-mat.mtrl-sci
Physical descriptor for the Gibbs energy of inorganic crystalline solids and temperature-dependent materials chemistry
吉布斯能G决定了化学反应的平衡条件和物质的稳定性。尽管G具有这种基本和普遍的作用，但它仅用于一小部分已知的无机化合物，这阻碍了对温度和组成对材料稳定性和可合成性的影响的全面看法。在这里，我们使用SISSO（确定独立筛选和稀疏化算子）方法来确定一个简单而准确的描述符，以预测化学计量无机化合物的G，其分辨率为~50 meV/atom（~1 kcal/mol），并且计算成本最小，温度范围为300-1800 K。然后，我们将此描述符应用于无机晶体结构数据库（ICSD）中的约30，000种已知材料。使用由此产生的预测的热化学数据，我们生成了数千个温度依赖性相图，以提供对温度和组成对材料合成能力和稳定性的影响的见解，并建立无机化合物的亚稳性的温度依赖性尺度。
2019-01-06 cond-mat.mtrl-sci
Accelerating Multi-Objective Collaborative Optimization of Doped Thermoelectric Materials via Artificial Intelligence
The Institute of Technological Sciences, Wuhan University（武汉大学技术科学学院）；School of Physics and Technology, Wuhan University（武汉大学物理科学与技术学院）
本文提出深度学习模型与多目标遗传算法耦合框架，从化学式直接预测掺杂热电材料性能并高效搜索组成空间，实验发现中温区高zT新材料。
2025-04-11 cond-mat.mtrl-sci cs.AI cs.LG
An Efficient Descriptor Model for Designing Materials for Solar Cells
提出了一种快速筛选太阳能电池潜在材料的有效描述子模型。它适用于激子和非激子太阳能电池材料，并且除了能隙之外，它还包括材料的吸收光谱（$α(E)$）。探索的材料的电荷传输特性的建模使用的特征扩散长度（$L_{d}$）确定的各个家族的化合物。提出的模型超越了广泛使用的Scharber模型开发的体异质结太阳能电池[Scharber \textit{et al., Advanced Materials}，2006年，第18卷，789]。使用已发表的实验数据，我们表明，所提出的模型是更准确地预测可实现的效率。虽然这项工作的重点是有机光致发光（OPV），其中原来的Scharber模型的开发，这里提出的模型也适用于其他太阳能电池技术。为了模拟激子和非激子系统，使用两组不同的参数来说明不同的操作模式。所提出的描述符模型的分析清楚地表明，考虑到改进的筛选结果，包括$α(E)$和$L_{d}$的益处。
2017-06-03 cond-mat.mtrl-sci physics.app-ph
Accelerated Prediction of Temperature-Dependent Lattice Thermal Conductivity via Ensembled Machine Learning Models
本研究利用集成机器学习模型在宽温度范围内以DFT精度预测晶格热导率，实现高效高通量筛选热电材料。
2025-11-21 cond-mat.mtrl-sci
Discovery of low thermal conductivity compounds with first-principles anharmonic lattice dynamics calculations and Bayesian optimization
低晶格热导率（LTC）的化合物是寻求高转换效率热电材料的必要条件。一些策略已经被用来降低LTC。然而，这种试验只在有限的勘探空间内取得了成功。在这里，我们报告了包含54，779个化合物的库的虚拟筛选。我们的策略是通过贝叶斯优化使用的初始数据的LTC从第一性原理非谐晶格动力学计算的一组101化合物的图书馆进行搜索。我们发现了221种LTC非常低的材料。其中两个甚至具有< 1 eV的电子带隙，这使得它们成为热电应用的特殊候选者。除了那些新发现的热电材料之外，本策略被认为对于许多其他需要优化材料化学的应用是强大的。
2015-06-22 cond-mat.mtrl-sci
New Directions for Thermoelectrics: A Roadmap from High-Throughput Materials Discovery to Advanced Device Manufacturing
本综述梳理了高通量材料发现（结合机器学习形成闭环）及先进制造在热电领域的进展，涵盖材料筛选到器件制造，为热电技术发展指明方向。
2024-03-09 cond-mat.mtrl-sci physics.app-ph
A Generalizable Machine Learning Framework for Half-Heusler Thermoelectrics
ICGM, Univ Montpellier, CNRS, ENSCM（ICGM，蒙彼利埃大学，国家科学研究中心，ENSCM）
本研究提出鲁棒机器学习框架，通过PCA分割、贝叶斯优化和SISSO分析，提升热电材料zT预测的泛化能力，发现新型高性能半Heusler热电材料。
2026-10-12 cond-mat.mtrl-sci cs.LG
Electron-phonon coupling and thermal transport in the thermoelectric compound $\mathrm{Mo_3Sb_{7-x}Te_x}$
采用非弹性中子散射、X射线散射和第一性原理模拟研究了一种潜在的高温热电材料$\mathrm{Mo_3Sb_{7-x}Te_x}$（$x=0,1.5, 1.7$）的声子性质。Te取代Sb导致电子结构、局部成键、声子态密度（DOS）、色散和声子寿命的显著变化。与碲合金化使费米能级向上移动，靠近价带的顶部，导致电子-声子屏蔽的强烈抑制，以及原子间力常数的大的整体硬化。电子-声子耦合的抑制同时增加群速度和抑制声子散射率，超过合金无序散射的影响，并导致合金中晶格热导率的惊人增加。我们还确定，当地的键合环境的变化不均匀周围不同的原子，导致不同的光学声子分支的可变扰动强度。声子群速度和声子寿命的变化对晶格热导率的各自的作用进行了量化。我们的研究结果突出了电子-声子耦合的声子平均自由路径在这个化合物的重要性，也估计了从边界散射，umklapp散射，和点缺陷散射的贡献。
2015-12-10 cond-mat.mtrl-sci
Universal Catalyst Design Framework for Electrochemical Hydrogen Peroxide Synthesis Facilitated by Local Atomic Environment Descriptors
提出一种结合局域原子环境描述符、机器学习与微动力学建模的通用框架，实现跨四类材料的高效筛选，并准确预测吸附自由能，显著加速高性能2e-水氧化反应催化剂的设计。
2025-01-22 cond-mat.mtrl-sci physics.chem-ph
High throughput computational screening for two-dimensional magnetic materials based on experimental databases of three-dimensional compounds
我们进行了计算筛选的基础上存在于无机晶体结构数据库和晶体学开放数据库的实验散装化合物的二维磁性材料。最近提出的几何描述符是用来提取材料，剥离成二维衍生物，我们发现85铁磁和61反铁磁材料，我们获得磁交换和各向异性参数，使用密度泛函理论。对于易磁化轴铁磁绝缘体，我们基于各向异性海森堡模型的经典蒙特卡罗模拟计算居里温度。我们发现良好的协议与实验报道的居里温度已知的二维铁磁体，并确定10个潜在的剥落的二维铁磁体，以前没有报道。此外，我们发现18易轴反铁磁绝缘体与几个化合物表现出很强的交换耦合和磁各向异性。
2020-04-29 cond-mat.mtrl-sci
Composition based crystal materials symmetry prediction using machine learning with enhanced descriptors
空间群和晶系等几何信息对晶体材料的性质起着重要的作用。因此，晶系和空间群的预测在晶体材料性质预测和结构预测中具有广泛的应用。基于实验X射线衍射（XRD）和密度泛函理论（DFT）的结构测定方法取得了优异的性能，但它们不适用于大规模筛选材料组成。也有使用Magpie描述符的机器学习模型用于基于成分的材料空间群确定，但它们的预测精度在不同种类的晶体中仅在0.638和0.907之间。在此，我们报告了一种改进的机器学习模型，用于仅使用分子式信息来预测材料的晶体系统和空间群。从材料项目数据库下载的数据集的基准研究表明，我们的随机森林模型的基础上，我们的新的描述符集，实现显着的性能改善与以前的工作相比，准确度分数范围在0.712和0.961之间的空间群分类。我们的模型也显示了晶体系统预测的大的性能改善。经过训练的模型和源代码可以在\url{https://github.com/Yuxinya/SG_predict}上免费获得
2021-05-15 cond-mat.mtrl-sci
Thermoelectric properties in semimetals with inelastic electron-hole scattering
基于线性化玻尔兹曼方程的变分法，给出了半金属热电效应的系统理论结果。非弹性电子-空穴散射在半金属的非常规输运中起着重要作用，包括电阻率的宽$T^2$温度依赖性和对Wiedemann-Franz定律的强烈违反。通过更精确地处理非弹性电子-空穴散射超过弛豫时间近似，我们表明，塞贝克系数补偿时取决于库仑相互作用的屏蔽长度以及洛伦兹比（由于电子除以温度的热导率与电导率之比）。结果发现，偏离补偿条件显着增加塞贝克系数，随着洛伦兹比的关键supersion。结果表明，当声子对热导率的贡献被抑制时，存在电子-空穴散射的未补偿半金属具有较高的热电效率。
2023-03-30 cond-mat.mtrl-sci cond-mat.str-el
High-Throughput Computational Screening of thermal conductivity, Debye temperature and Grüneisen parameter using a quasi-harmonic Debye Model
准谐波德拜近似已经在高通量计算科学的AFLOW和材料项目框架（自动吉布斯图书馆，AGL）中实现，以计算诸如德拜温度和材料热导率等热性质。我们证明，AGL方法，这是显着便宜的计算相比，完全从头算方法，可以可靠地预测几种不同类别的半导体材料的热导率的顺序排名。我们还发现，在这项工作中研究的德拜温度，计算与AGL的一组182种材料，往往是一个更好的预测的顺序排列的实验热导率比计算的热导率。因此，德拜温度是用于高通量筛选材料的热性质的潜在描述符。
2014-10-14 cond-mat.mtrl-sci
Physics-Informed Neural Operators for Generalizable and Label-Free Inference of Temperature-Dependent Thermoelectric Properties
提出融合PINN与PINO的物理信息机器学习框架，仅利用稀疏场数据即可实现温度依赖热电性质的无标签、跨材料泛化推断。
2025-06-09 cond-mat.mtrl-sci physics.comp-ph
Establishing the carrier scattering phase diagram for ZrNiSn-based half-Heusler thermoelectric materials
化学掺杂是调节半导体，特别是热电材料的电性能的最重要的策略之一。一般来说，化学掺杂的主要作用在于优化载流子浓度，但也可能有其他重要的影响。在这里，我们表明，化学掺杂半赫斯勒热电材料中的电子和声子输运性质起着多种作用。以ZrNiSn基半Heusler材料为例，我们使用高质量的单晶和多晶，各种探针，包括电输运测量，非弹性中子散射测量和第一性原理计算，来研究潜在的电子-声子相互作用。我们发现，化学掺杂带来了强大的屏蔽效应的电离杂质，晶界和极性光学声子散射，但对晶格热导率的影响可以忽略不计。此外，它是可能的，建立一个载流子散射相图，它可以用来选择合理的策略，优化的热电性能。
2020-06-22 cond-mat.mtrl-sci physics.app-ph
