Prediction of lattice thermal conductivity with two-stage interpretable machine learning

热导率 格子(音乐) 热电效应 材料科学 热电材料 计算机科学 机器学习 可解释性 人工智能 热传导 卷积神经网络 凝聚态物理 热力学 物理 复合材料 声学
作者
Jinlong Hu,Yuting Zuo,Yuzhou Hao,Guoyu Shu,Yang Wang,Minxuan Feng,Xuejie Li,Xiaoying Wang,Jun Sun,Xiangdong Ding,Zhibin Gao,Guimei Zhu,Baowen Li
出处
期刊:Chinese Physics B [IOP Publishing]
卷期号:32 (4): 046301-046301 被引量:5
标识
DOI:10.1088/1674-1056/acbaf4
摘要

Thermoelectric and thermal materials are essential in achieving carbon neutrality. However, the high cost of lattice thermal conductivity calculations and the limited applicability of classical physical models have led to the inefficient development of thermoelectric materials. In this study, we proposed a two-stage machine learning framework with physical interpretability incorporating domain knowledge to calculate high/low thermal conductivity rapidly. Specifically, crystal graph convolutional neural network (CGCNN) is constructed to predict the fundamental physical parameters related to lattice thermal conductivity. Based on the above physical parameters, an interpretable machine learning model–sure independence screening and sparsifying operator (SISSO), is trained to predict the lattice thermal conductivity. We have predicted the lattice thermal conductivity of all available materials in the open quantum materials database (OQMD) ( https://www.oqmd.org/ ). The proposed approach guides the next step of searching for materials with ultra-high or ultra-low lattice thermal conductivity and promotes the development of new thermal insulation materials and thermoelectric materials.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
林谷雨完成签到 ,获得积分10
3秒前
D&L完成签到,获得积分10
5秒前
萧水白完成签到,获得积分0
6秒前
单小芫完成签到 ,获得积分10
13秒前
英姑应助yi采纳,获得10
21秒前
依人如梦完成签到 ,获得积分10
31秒前
胖胖猪发布了新的文献求助10
34秒前
yupingqin完成签到 ,获得积分10
39秒前
含蓄文博完成签到 ,获得积分10
39秒前
鞑靼完成签到 ,获得积分10
40秒前
轩辕远航完成签到 ,获得积分10
44秒前
45秒前
酷波er应助abc采纳,获得10
45秒前
循证小刘完成签到,获得积分10
47秒前
景瑜发布了新的文献求助10
49秒前
郑雅柔完成签到 ,获得积分10
49秒前
abc完成签到,获得积分20
56秒前
Lotus完成签到,获得积分10
57秒前
Microgan完成签到,获得积分10
57秒前
pupi完成签到 ,获得积分10
58秒前
关中人完成签到,获得积分10
1分钟前
1分钟前
llhh2024完成签到,获得积分10
1分钟前
abc发布了新的文献求助10
1分钟前
keyan完成签到 ,获得积分10
1分钟前
Tina完成签到 ,获得积分10
1分钟前
btcat完成签到,获得积分10
1分钟前
背后的雪巧完成签到,获得积分20
1分钟前
刘歌完成签到 ,获得积分10
1分钟前
郑洲完成签到 ,获得积分10
1分钟前
诚心的大炮完成签到,获得积分10
1分钟前
紫金之巅完成签到 ,获得积分10
1分钟前
Guo完成签到 ,获得积分10
1分钟前
单纯乘风完成签到 ,获得积分10
1分钟前
1分钟前
干一江发布了新的文献求助10
1分钟前
Limerence完成签到 ,获得积分10
1分钟前
友好的牛排完成签到,获得积分10
1分钟前
DddZS完成签到 ,获得积分10
1分钟前
believe完成签到,获得积分10
1分钟前
高分求助中
Effect of reactor temperature on FCC yield 1500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
Uncertainty Quantification: Theory, Implementation, and Applications, Second Edition 800
Production Logging: Theoretical and Interpretive Elements 555
Mesopotamian Divination Texts: Conversing with the Gods 500
The AASM International Classification of Sleep Disorders – Third Edition, Text Revision (ICSD-3-TR) 490
Geochemistry, 2nd Edition 地球化学经典教科书第二版,不要epub版本 431
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3280426
求助须知:如何正确求助?哪些是违规求助? 2918550
关于积分的说明 8390500
捐赠科研通 2589640
什么是DOI,文献DOI怎么找? 1411044
科研通“疑难数据库(出版商)”最低求助积分说明 657887
邀请新用户注册赠送积分活动 639114