抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本研究では,まず,密度汎関数理論(DFT)計算と半古典的輸送技術を結合することにより,高効率3次元(3D)および2次元(2D)熱電材料の系統的探索を行い,次に熱電データに関する機械学習モデルを訓練した。公的に利用可能なJARVIS-DFTデータベースにおける36000の3次元および900の二次元材料から,著者らは,バンドギャップ,Seebeck係数および力率のような重要な量に対して特定の閾値が選択される多段階スクリーニング手順を用いて29323Dおよび1482Dの有望な熱電材料を同定した。データベース中のすべての材料に対するSeebeck係数を計算し,著者らの計算結果を,実験および既存の計算データセットに対して,著者らの結果を比較することによって,著者らの計算を検証した。熱電性能に及ぼす化学的,構造的,結晶学的および次元的傾向の影響も調べた。著者らは,Ba(MgX)_2(X=P,As,Bi),X_2YZ_6(X=K,Rb,Y=Pd,Pt,Z=Cl,Br),K_2PtX_2(X=S,Se),NbCu_3X_4(X=S,Se,Te),Sr_2XYO_6(X=Ta,Zn,Y=Ga,Mo),TaCu_3X_4(X=S,Se,Te),およびXYN(X=Ti,Zr,Y=Cl,Br)のようないくつかのクラスの効率的な3Dおよび2D材料を予測した。”X=K,X=S,Se,Te,Sr_2XYO_6(X=Ta,Zn,Y=Ga,Mo),TaCu_3X_4(X=S,Se,Te),およびXYN(X=Ti,Zr,Y=Cl,Br)。最後に,高スループットDFTが計算上高価であるので,n-およびp-型Seebeck係数および力因子に対する勾配ブースティング決定木(GBDT)および古典的力場インスパイアディスクリプタ(CFID)を用いて,次のDFT計算のセットを導くための素早く事前スクリーニング材料に対する機械学習モデルを訓練した。データセットとツールはウェブサイトで公的に利用できる:https://www.ctcms.nist.gov/ ̄knc6/JVASP.html,https://www.ctcms.nist.gov/jarvisml/およびhttps://jarvis.nist.gov/。【JST・京大機械翻訳】
