通过演化网络拓扑学习最优热电纳米热机

寻找最优热机一直是科技的核心问题。热电纳米热机将热流转化为以电功率形式的有用功，并有望实现片上发电。迄今大量研究揭示了源于量子限制效应与能量依赖输运性质的效率提升潜力。然而，热电中多体相互作用的完全益处尚待研究；由于搜索空间的组合爆炸使暴力搜索不可行，确定最优相互作用是一个难题。在此，我们通过相互作用电子系统中网络拓扑的强化学习解决该问题，并识别出一组最优热电纳米热机。利用多体相互作用，我们展示对于一般单电子能级，热电优值与功率因子的最大可能值可提升数个数量级。这使得以次广延但非零且稳定的功率实现渐近卡诺效率的简单灵活设计成为可能。为实现最优纳米热机，我们提出了基于量子点阵列的具体物理方案。所发展的通过演化网络拓扑的强化学习框架因而能够识别纳米系统的全部潜力。