High-throughput screening of Heusler alloys for thermoelectrics combining machine-learned densities of states and first-principles transport
本研究は、機械学習による状態密度と第一原理輸送計算を組み合わせることで、61種類の未報告材料を含む80個の有望な計算上の候補を効率的に特定しつつ、ニューラルネットワークによる予測はバンドギャップを見逃すことが多いものの、詳細な解析に向けた化合物の優先順位付けには有効であることを示し、ホイスラー熱電材料のためのハイスループットスクリーニングワークフローを検証するものである。