Energy-GNoME：面向能源应用的材料选取数据库
材料科学
2025-10-01 v1 其他凝聚态物理
机器学习
摘要
人工智能（AI）在材料科学中的应用正在推动先进材料用于能源应用的发现取得显著进展。GNoME 协议 recently identifies 超过 38 万种新型稳定晶体。从中，我们确定了超过 33 万种潜在作为能源材料的材料，形成 Energy-GNoME 数据库。利用机器学习（ML）和深度学习（DL）工具，我们的协议通过特征空间消除跨域数据偏差，以识别热电材料、新型电池阳极和新型钙钛矿的潜在候选材料。具有结构和成分特征的分类器识别适用域，预期在该区域内的回归器准确率将得到提高。这些回归器被训练用于预测关键材料属性，如热电系数（zT）、带隙（Eg）和阳极电压（）。该方法显著缩小了潜在候选者的池子，为实验和计算化学研究提供高效指导，加速了适用于电力生成、能源储存和转换的材料的发现。
引用
@article{arxiv.2411.10125,
title = {Energy-GNoME: A Living Database of Selected Materials for Energy Applications},
author = {Paolo De Angelis and Giovanni Trezza and Giulio Barletta and Pietro Asinari and Eliodoro Chiavazzo},
journal= {arXiv preprint arXiv:2411.10125},
year = {2025}
}
备注
60 pages, 16 figures