通过高通量材料建模寻找极低热导率半哈斯勒半导体

晶格热导率（$\kappa_\omega$）是化合物许多潜在应用的关键性质。由于成本高昂且合成过程耗时，发现具有极低或极高 $\kappa_\omega$ 的材料在实验上仍是一项挑战。高通量计算预筛选是显著减少候选化合物集合的有效方法。本文介绍了可靠估算大量化合物体相 $\kappa_\omega$ 的高效方法。该算法结合了机器学习算法、物理直觉以及自动第一性原理计算。我们扫描了 AFLOWLIB.org 数据库中约 79,000 个半哈斯勒条目。在所识别出的 450 种力学稳定的有序半导体中，我们发现 $\kappa_\omega$ 跨越了两个以上的数量级——这比先前认为的范围要大得多。处于等效位置的元素具有大原子半径的化合物，其 $\kappa_\omega$ 最低。随后我们进行了彻底的热力学稳定性筛选，将列表缩减至 77 个系统。进而我们可以对这一选定范围的系统提供 $\kappa_\omega$ 的定量估计。我们提出了三种 $\kappa_\omega < 5 \, \text{W}/(\text{m K})$ 的半导体，供进一步的实验研究。