研究人员开发了一个数据驱动的框架，利用机器学习加速热电材料的发现。该框架识别出晶格到总热导率比约为 0.5 的材料，这与声学玻璃电子晶体设计理念相关。该方法筛选了数千种化合物，以找到具有超低热导率的材料，并指导优化策略以提高热电性能。 AI
影响 为材料科学提供了一个新的由机器学习驱动的筛选和优化框架，有可能加速能量收集技术的发现。
排序理由 学术论文，详细介绍了使用机器学习进行材料发现的新数据驱动框架。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2511.21213v2 Announce Type: replace-cross Abstract: Thermoelectrics (TEs) are promising candidates for energy harvesting with performance quantified by figure of merit, $ZT$. To accelerate the discovery of high-$ZT$ materials, efforts have focused on identifying compounds w…