XiaoMi-AI文件搜索系统
World File Search System热电材料
使用机器学习的无机材料热电特性的预测模型
摘要基于密度功能理论（DFT）筛选新材料特性的高计算需求仍然是对未来几十年过渡到碳中性环境必不可少的清洁和可再生能源技术的强大限制。机器学习以其天生的能力来处理大量数据和高维统计分析。在本文中，使用密度功能理论从高通量计算获得的现有数据集进行了监督的机器学习模型，用于预测无机化合物的Seebeck系数，电导率和功率因数。分析表明，热电特性对有效质量具有很强的依赖性，我们还提出了一个机器学习模型，以预测高表现的热电材料，该模型达到了95％的效率。分析的数据和开发的模型可以通过提供更快，更准确的热电性能预测，从而有助于发现高效的热电材料，从而显着促进创新。
热电应用的Weyl和Dirac半法
Weyl和Dirac半学，其特征在于其独特的带状结构在费米水平（E F）附近具有线性能量色散（E VS K），已成为基于热电材料的下一代技术的有前途的候选者。它们的出色电子特性，尤其是较高的载流子迁移率和实质性的浆果曲率，它提供了潜在的潜力，可以超越常规热电材料固有的局限性。对这些材料基础的基本物理学的全面理解至关重要。本章主要集中在Weyl和Dirac半法的拓扑特性和独特的电子带结构中，提供了一个理论框架，用于理解其热电传输特性，例如Seebeck系数，电导率和导热性。浆果曲率在增强旁观系数的同时降低导热率的同时是关键重点。
新的高效率分割的热电unicouple
为了实现高热能能量转换效率，希望在大温度梯度上操作热电发电机设备，并最大程度地提高用于构建设备的材料的热电性能。但是，没有单个热电材料适合在非常宽的温度（〜300-1000k）中使用。因此，必须在其具有最佳性能的每个温度范围内使用不同的材料。这可以通过两种方式实现：1）多阶段热电发生器，每个阶段在固定温度差上运行，并且是电隔离的，但与其他阶段进行热接触2）分段的发电机，其中P和N-Legs形成了由不同片段组成的不同片段。在较早的出版物中引入了将喷气推进实验室开发的新的热电材料整合到分段热电Unicouple中的概念。这种新的Unicouple预计将在300-973 K的温度差上运行，并将根据最先进的热电材料和新颖的P-Type Zn 4 SB 3，P-Type 4 SB 12-基于4 SB 12的合金和N型cosb 3-by-bys alloys的组合，将使用新颖的分段腿。预计该新的单分型将预计转化效率约为15％。我们在本文中介绍了该Unicouple制造的最新实验结果，包括P-Legs，N腿和P-Leg与N-Leg互连的不同段之间的键合研究。
SB2SI2TE6添加剂的协同组合，以增强BI0.4SB1.6TE3的复合材料的平均ZT和单LEG设备效率
热电材料对于废热收集非常有前途。尽管热电材料研究多年来一直在扩展，但基于二紫外线的合金仍然是近室温应用的最佳选择。在这项工作中，通过将BI 0.4 SB 1.6 TE 3与新兴的热电材料SB 2 SI 2 TE 6混合来实现≈38％的ZT（300-473 K）至1.21，这是实现的，这比大多数Bi Y SB 2-2- Y SB 2- Y SB 2- Y Y TE TE 3 - 基于大多数的组合。BI 0.4 SB 1.6 TE 3矩阵和SB 2 Si 2 Si 2 Si 2 TE 6基于有序的原子布置之间的独特接口区域促进了这种增强，从而促进电荷载体以最小的散射运输，从而克服了一种限制ZT ZT增强的ZT ZT增强的ZT。同时，同一区域中的高密度脱位可以有效地散射声子，从而将电子传输解耦。这会导致373 K时热电质量因子的56％增强，从原始样品的0.41到复合样品的0.64。在𝚫 t = 164 K时以高效效率为5.4％的单腿设备进一步证明了SB 2 SI 2 SI 2 TE 6合成策略的效率，以及在改善相对低的材料的材料性能方面的降水 - 矩阵界面微观结构的重要性。
从声音中收集能量-IJRPR
有许多方法可以从声音能量中产生替代能量，这是噪声污染和电能浪费的主要来源。机械滤波器，压力和声音以相同的方式转换，因为声音的形式是振动的形式，这些振动将收集到电气和热电材料中。压电和热电材料[1] [17]增加了考虑使用噪声污染和废热的愿望[2]，这是对环境的威胁，需要处理这种浪费才能成为有用的材料。在大多数发展中国家可用[3]。这种噪音来自各个地方，例如公共场所，工厂和关键点。使用电力库作为主要工具的想法，因为手机配件是现代一代的需求之一[4] [18]，[5] [19]，因为手机已成为现代一代的需求之一，以及它的短路。电池寿命会影响该小工具进行通信和娱乐。，包括使用电力库作为可以使我们的手机更长寿命的设备解释了电力库的使用。给手机配件赋予设备的寿命。今天的手机具有更大的屏幕，更快的处理器和更多的音频功能，并且在使用时需要更多的功能。
预测激光粉末床融合添加剂制造过程中的鞭毛尿酸酯的热电学因子
添加剂制造（AM）工艺，例如激光粉末床融合，可以通过分层扩散和熔化粉末来制造物体，直到创建自由形式的零件形状。为了提高AM过程中涉及的材料的特性，重要的是要预测材料表征作为处理条件的函数。在热电材料中，功率因数是对材料如何将热量转化为电的有效性的量度。虽然较早的作品已经使用各种技术预测了不同热电材料的材料表征特性，但在AM过程中尚未探索机器学习模型的实现，以预测鞭毛尿酸酯（BI2TE3）的功率因数。这很重要，因为BI2TE3是低温应用的标准材料。作为概念证明，我们使用了有关涉及的制造处理参数的数据以及在BI2TE3 AM中收集的原位传感器监视数据，以训练不同的机器学习模型，以预测其热电功率因子。我们使用80％的培训和20％的测试数据实施了监督的机器学习技术，并进一步使用了置换功能重要性方法来识别重要的处理参数和原位传感器功能，这些特征最能预测材料的功率因数。基于合奏的方法，例如随机森林，Adaboost分类器和Bagging分类器，在预测功率因数方面表现最好，而袋装分类器模型则达到了90％的最高精度。此外，我们发现了前15个处理参数和原位传感器功能，以表征材料制造属性（例如功率因子）。这些功能可以进一步优化，以最大程度地提高热电材料的功率因数，并提高使用该材料制造的产品的质量。
Zintl化合物Yb10MnSb9的热电性能及低热导率
最近发现的 Zintl 化合物 Yb 10 MnSb 9 是一种热电材料，在成分空间上与 Yb 14 MnSb 11 和 Yb 21 Mn 4 Sb 18 等高性能热电材料非常接近。我们在此测量并报告 Yb 10 MnSb 9 在高达 825K 下的电子和热传输数据。由于晶体结构复杂，这种材料具有超低的热导率。超低的晶格热导率加上比其他 Yb-Mn-Sb 化合物更高的塞贝克系数，导致在 825K 时具有约 0.34 的中等 zT，并且可能通过材料优化在更高的值处达到峰值。我们近似估计带隙约为 0.4 eV，并预计 zT 能够在 725K 时达到高达 0.33 的值（与该温度下的 Yb 14 MnSb 11 相当）使用热电品质因数分析。通过晶界工程提高品质因数 B，该 zT 有可能达到更高的值。这里我们为未来研究改进热电性能提供了建议。这项工作是首次报告这种 Yb 10 MnSb 9 化合物的热导率、带隙和 zT，我们通过与领先的 Yb 14 MnSb 11 材料的比较讨论了这种材料对未来热电研究的影响。
理解 NaPbmSbQm+2 (Q = S, Se, Te) 热电材料中的热激活电荷传输：弱介电屏蔽导致晶粒边界
完整作者列表： Slade, Tyler；西北大学，化学系 Grovogui, Jann；西北大学，材料科学与工程系 Kuo, Jimmy；西北大学，材料科学与工程系 Anand, Shashwat；西北大学，材料科学与工程系 Bailey, Trevor；密歇根大学，物理系 Wood, Max；西北大学，材料科学与工程系 Uher, Ctirad；密歇根大学，物理系 Snyder, G.；西北大学，材料科学与工程系 Dravid, Vinayak；西北大学，材料科学与工程系 Kanatzidis, Mercouri；西北大学，化学系
有机材料的灵活热电设备
摘要：有机材料对热电应用，尤其是在柔性设备中具有巨大的预测，因为它们具有柔软和轻巧的性质。该领域的最新进展是通过有机热电材料和更有效的设备设计的增强来推动的。本评论提供了这些进步的全面概述。首先详细介绍了高效有机热电材料的演化和性能优化，并强调化学和物理修饰。该评论还深入研究了灵活设备的创新设计策略，涵盖了新的结构方法，性能建模和热管理技术。此外，它检查了3D打印和薄膜沉积等先进的制造过程。为了强调全球趋势和挑战，该评论整合了顶级研究机构的发现。评论项目在材料开发，表征技术和设备优化方面的未来突破，尤其是专注于PEDOT：PSS和PANI等材料的进步。它强调了提高电导率和Seebeck系数的策略。值得注意的是，创新的设备设计具有显着提高的能量转换效率，而数值模拟提高了输出电压和功率密度。此外，诸如3D打印和解决方案处理之类的尖端制造技术还促进了复杂结构的可扩展生产。总而言之，这些集体进步推动了用于多种应用的高性能，具有成本效益和可持续的热电技术，包括可穿戴电子产品，能源收集和热管理。