arXiv · Materials Science· Shivam Randive, Ayana Ghosh, Rahul Dixit, Himanshu Pandey·· 11 小时前
Heusler合金热电材料高通量筛选：结合机器学习态密度与第一性原理输运
High-throughput screening of Heusler alloys for thermoelectrics combining machine-learned densities of states and first-principles transport
arXiv:2610.18179v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Shivam Randive, Ayana Ghosh, Rahul Dixit, Himanshu Pandey
研究任务与主要进展
研究者利用机器学习态密度和第一性原理输运计算，对DXMag数据库中的106,235种Heusler结构进行热电材料筛选，其中51,257种使用DFT能谱、54,978种使用神经网络预测，并以3,625次能带和输运计算评估筛选效果。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · Materials Science · arxiv.org