基于子空间识别的半-Heusler 化合物构象空间图谱构建与热电材料发现
材料科学
2025-01-22 v1
摘要
半-Heusler 结构是热电 (TE) 应用的有前景的化合物族，但仅有其潜在化学组成的一小部分被实验探索。在本工作中，我们引入一种独特的计算高通量筛选方法，旨在识别在半-Heusler 热电材料中尚未探索但具潜力的材料子空间，并将其应用于此类材料。我们分析了 1,126 个满足“18 价电子规则”的半-Heusler 化合物，其中 332 个被预测为半导体，基于电子结构计算、半经验输运模型和热电质量因子 。不同于传统筛选工作流程，我们的方法采用候选材料组的统计分析，以揭示其集体行为趋势，提供稳健的见解，并最小化对单个化合物不可靠预测的依赖。我们的发现将 型性能与导带边的超高迁移率相关联，将 型性能与高能带简并性相关联。统计相关性揭示了与高 相关的元素子空间。我们识别出两种主要 (含 Y 和 Zr) 及两种次要 (含 Au 和 Ir) 子空间，这些子空间强化了关键物理设计原则，使其成为进一步探索的有前景的候选材料。这些建议与前面的 Y 族磷化物实验结果一致。借鉴这些见解，我们合成并表征了稀有金属金硅化物 (REAuSn)，发现 在 650 K 时热导率为 0.9-2.3 WmK。本工作展示了在使用近似但无偏的方法进行高通量筛选时的替代策略，为优化半-Heusler 化合物以实现更好的 TE 性能提供了预测工具和设计策略。
关键词
引用
@article{arxiv.2501.11644,
title = {Mapping the Configuration Space of Half-Heusler Compounds via Subspace Identification for Thermoelectric Materials Discovery},
author = {Angela Pak and Kamil Ciesielski and Maria Wróblewska and Eric S. Toberer and Elif Ertekin},
journal= {arXiv preprint arXiv:2501.11644},
year = {2025}
}