面向先进热电材料的 AI 驱动缺陷工程
材料科学
2025-03-26 v1
摘要
热电材料提供了将废热直接转换为电能的有前景的途径。然而，由于电导率、塞贝斯系数和热导率之间固有的权衡，以及缺陷的存在，实现高性能仍然具有挑战性。本综述探讨了人工智能（AI）和机器学习（ML）如何改变热电材料设计。高级 ML 方法，包括深度神经网络、图基模型和变压器架构，集成了高通量仿真和日益增长的数据库，有效地捕捉了复杂多尺度缺陷空间中的结构-属性关系，克服了维度灾难。本综述讨论了AI增强的缺陷工程策略，如组成优化、熵和位错工程以及晶界设计，以及用于生成具有目标属性的材料的新兴逆向设计技术。最后，概述了在新物理机制和可持续性方面的未来机会，突出了AI在加速热电材料发现中的关键作用。
引用
@article{arxiv.2503.19148,
title = {AI-Driven Defect Engineering for Advanced Thermoelectric Materials},
author = {Chu-Liang Fu and Mouyang Cheng and Nguyen Tuan Hung and Eunbi Rha and Zhantao Chen and Ryotaro Okabe and Denisse Córdova Carrizales and Manasi Mandal and Yongqiang Cheng and Mingda Li},
journal= {arXiv preprint arXiv:2503.19148},
year = {2025}
}
备注
56 pages, 8 figures, 1 table