机器学习与第一性原理预测低晶格热导率材料
材料科学
2024-11-05 v2
摘要
我们进行了机器学习（ML）仿真和密度泛函理论（DFT）计算，以寻找具有低晶格热导率的材料。我们的ML模型预测了包括ACdX（A=Li、Na、K；X=Pb、Sn、Ge）在内的多种镀锌（Cd）化合物，表明这些材料具有极低的值（ W/mK），适用于潜在的热管理和绝缘应用。进一步的DFT计算表明，诸如KCdPb、KCdSn和KCdGe等化合物的热电性能可达ZT值超过1.0，从而这些材料也是很有前景的热电材料。
引用
@article{arxiv.2408.06557,
title = {Machine Learning and First-Principles Predictions of Materials with Low Lattice Thermal Conductivity},
author = {Chia-Min Lin and Abishek Khatri and Da Yan and Cheng-Chien Chen},
journal= {arXiv preprint arXiv:2408.06557},
year = {2024}
}
备注
10 pages, 5 figures