High-throughput screening of Heusler alloys for thermoelectrics combining machine-learned densities of states and first-principles transport
Este estudio valida un flujo de trabajo de cribado de alto rendimiento para termoeléctricos de Heusler que combina la densidad de estados aprendida por aprendizaje automático con cálculos de transporte de primeros principios para identificar eficientemente 80 candidatos computacionales prometedores, incluyendo 61 materiales no reportados, mientras demuestra que, aunque las predicciones de redes neuronales a menudo omiten las brechas de banda, siguen siendo efectivas para priorizar compuestos para un análisis detallado.