Vorhersage des Seebeck-Koeffizienten für Verbindungen ohne Beschränkung auf feste Stöchiometrie: Ein Ansatz des maschinellen Lernens

Das auf einem Regressionsmodell basierende Werkzeug wurde entwickelt, um den Seebeck-Koeffizienten kristalliner Materialien im Temperaturbereich von 300 K bis 1000 K vorherzusagen. Das Werkzeug berücksichtigt die monokristalline gegenüber der polykrystallinen Natur der Verbindung, die Produktionsmethode und die Eigenschaften der Bestandteile in der chemischen Formel. Wir führen neue beschreibende Merkmale kristalliner Materialien ein, die für die Vorhersage des Seebeck-Koeffizienten relevant sind. Um off-stöchiometrische Materialien zu berücksichtigen, wird das prädiktive Werkzeug mit einer Mischung aus stöchiometrischen und nicht-stöchiometrischen Materialien trainiert. Das Werkzeug wurde in eine Webanwendung (http://info.eecs.northwestern.edu/SeebeckCoefficientPredictor) implementiert, um Wissenschaftler im Feld bei der Entdeckung neuartiger thermoelektrischer Materialien zu unterstützen. © 2017 Wiley Periodicals, Inc.