本征流体动力学热输运的描述符：基于机器学习方法筛选声子数据库
材料科学
2022-02-09 v1
摘要
利用机器学习技术探索流体动力学热输运的本征起源，并寻找对科学和工程有意义的新材料。流体动力学热输运本质上由流体动力学尺度和热导率决定。获得了这些本征性质与 131 种晶体化合物的谐波和非谐波性质，以及大量组成（290）和结构（1224）描述符之间的相关性，揭示了一些决定本征流体动力学效应大小的关键描述符，其中大多数与声子弛豫时间有关。随后，将训练好的黑盒模型应用于筛选超过 5000 种材料。结果识别出具有潜在技术应用价值的材料。理解与流体动力学热输运相关的性质有助于寻找新的热电材料，并设计新材料以缓解电子器件中的散热。
引用
@article{arxiv.2110.12887,
title = {Descriptors of intrinsic hydrodynamic thermal transport: screening a phonon database in a machine learning approach},
author = {Pol Torres and Stephen Wu and Shenghong Ju and Chang Liu and Terumasa Tadano and Ryo Yoshida and Junichiro Shiomi},
journal= {arXiv preprint arXiv:2110.12887},
year = {2022}
}