机器学习在热电材料领域的应用

• 作者: 刘惠军 刘江辉
• 来源期刊: 低温物理学报
• 关键词: 机器学习 热电材料 高通量筛选
• 年，卷（期）: 2019,（6）
• 页码范围: 373-384
• 页数: 12页
• 语种: 中文
• DOI: 10.13380/j.ltpl.2019.06.001

摘要

在追求可持续发展的未来,热电材料是不可或缺的.它在全固态发电和制冷方面具有十分广泛的应用前景.在过去的几十年间,人们一直致力于寻找新型高性能热电材料.然而,传统的实验试错法效率较低,限制了新材料的研究步伐.机器学习作为一种具有强大数据分析能力的方法,近年来已越来越多地应用于热电材料的研究.这篇综述总结了热电材料研究领域常用的机器学习方法,系统地介绍了它们在材料结构、电子和热电输运等性质上的应用案例和相关研究进展,并对该领域的发展前景进行了展望.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘江辉		1	0	0.0	0.0
2	刘惠军		1	0	0.0	0.0