High-throughput screening of Heusler alloys for thermoelectrics combining machine-learned densities of states and first-principles transport
본 연구는 머신러닝 기반 상태 밀도와 제일 원리 수송 계산을 결다는 하이 스루풋 스크리닝 워크플로우를 검증하여, 61개의 미보고 물질을 포함한 80개의 유망한 계산 후보 물질을 효율적으로 식별하는 동시에, 신경망 예측이 종종 밴드 갭을 놓치더라도 상세 분석을 위한 화합물 우선순위 지정에는 여전히 효과적임을 입증함으로써 헤우스러 열전 소재를 위한 워크플로우를 검증한다.