High-throughput screening of Heusler alloys for thermoelectrics combining machine-learned densities of states and first-principles transport
Questo studio valida un flusso di lavoro di screening ad alto rendimento per i termoelettrici di Heusler che combina la densità degli stati appresa tramite machine learning con calcoli di trasporto basati sui primi principi per identificare efficientemente 80 promettenti candidati computazionali, inclusi 61 materiali non riportati, dimostrando al contempo che, sebbene le previsioni delle reti neurali spesso manchino i band gap, esse rimangono efficaci per dare priorità ai composti per un'analisi dettagliata.