大语言模型辅助发现 CoSb₃ 基斯库特鲁德体最优掺杂剂以增强热电性能
材料科学
2026-04-08 v1
摘要
我们提出了一种数据驱动的方法，通过整理来自 300 多篇研究文章的含各种填充元素的组成数据集，加速发现高性能 CoSb₃ 基斯库特鲁德体。利用大语言模型（LLMs），我们提取并嵌入组成表示，然后用于训练预测热电优值的回归头。与依赖原子半径等元素描述符的传统深度神经网络相比，我们的基于 LLM 的模型实现了显著更低的均方误差损失。我们进一步利用训练好的模型提出具有前景热电性质的新型填充组成。最后，我们通过密度泛函理论和分子动力学计算支持这些预测候选物，以评估其电导率和热导率。这种数据驱动的方法展示了将自然语言处理、机器学习和量子模拟相结合用于热电材料设计的潜力。
引用
@article{arxiv.2604.06048,
title = {Large Language Model Assisted Discovery of Optimal Dopants for Enhanced Thermoelectric Performance in CoSb$_3$ Based Skutterudites},
author = {Yagnik Bandyopadhyay and Dylan Noel Serrao and Houlong L. Zhuang},
journal= {arXiv preprint arXiv:2604.06048},
year = {2026}
}