High-throughput screening of Heusler alloys for thermoelectrics combining machine-learned densities of states and first-principles transport
本研究验证了一种用于 Heusler 热电材料的高通量筛选工作流,该工作流将机器学习态密度与第一性原理输运计算相结合,以高效识别出 80 种具有前景的计算候选材料(其中包括 61 种未见报道的材料),同时证明了尽管神经网络预测往往会遗漏带隙,但它们在优先筛选用于详细分析的化合物方面仍然有效。