熱電材料研究のための機械学習アプローチ

要約 熱電（TE）材料は、廃熱回収と冷却において固体状態の解決策を提供します。この数十年で、TE材料の性能を向上させるために多大な努力が払われてきましたが、それには相互に関連する複数の特性の最適化が必要です。電子やフォノンなど様々なエネルギーキャリア間の相互作用プロセスの基本的理解は、TE材料の開発における進展にとって重要です。しかし、標準的な原子シミュレーションを使用する際の時間スケールのアクセスの困難さが、この理解を妨げています。データ分析能力で知られる機械学習手法は、最近のTE材料研究において成功裏に適用されてきました。本稿では、熱電研究において使用される機械学習手法の概要が提供され、各機械学習手法が果たす役割が体系的に議論されます。さらに、現在のところ、熱電関連データベースの規模は、eコマース、画像認識、音声認識などの他の分野に比べてはるかに小さいです。この制限を克服するために、小規模なデータベースを材料科学の促進に利用するための戦略も議論されます。最後に、簡単な結論と見通しが示されます。