排序方式: 共有4条查询结果,搜索用时 125 毫秒
1
1.
以传统窄带半导体材料为主要对象的高性能热电材料研究近年来发展迅速并取得了明显进展.本文以含本征晶格孔洞的笼状结构CoSb3基方钴矿化合物的相关研究为主线,综述近年来热电材料的主要研究进展,并分析了杂质原子在孔洞中部分填充特性为基础的填充方钴矿化合物的结构调控、电-热输运性能协同调控、以及热电性能优化的内在物理机制及其实验实现.在本征孔洞结构的方钴矿化合物中引入部分填充的杂质原子,通过局域声子散射而显著降低晶格热导率,同时可以优化电输运性能.研究还发现这样一类特殊结构化合物的电热输运性能可以通过选择不同价态与不同局域振动频率的多种不同填充原子的组合填充而实现可以近乎独立地调控与优化,热电优值达到1.7@850K,实现了明显具有声子玻璃-电子晶体特征的一类高性能热电材料.研究工作一方面明显提高了填充方钴矿材料的热电性能,另一方面加深了相关物理机制的理解,对进一步的新热电材料体系的设计具有指导意义. 相似文献
2.
在功能材料应用中,带隙往往起着重要的作用,如光电材料一般为宽带隙半导体,而热电材料为窄带隙半导体,因此对指定类别的材料体系带隙进行快速而准确的预测对于功能材料应用具有非常重要的科学意义.然而,通过基于第一性原理的高通量计算获取高精度带隙的方法耗时长,效率低,而实验上系统测量大量材料体系带隙也不现实,所以基于统计学的机器学习预测方法就成了一种有前景的可能性替代方案.本文设计了一种集成学习模型用于有效而准确地预测带隙值.在已计算过带隙值的热电材料类金刚石化合物的基础上,一方面利用单组元组分替换策略产生大批量相似化合物,并用查重技术过滤掉重复体系,得到356个相似材料体系.另一方面结合机器学习技术,构建高效的带隙预测模型,预测并验证了50个相似材料体系的带隙值.通过实验证明,该预测模型具有77.73%的准确率,且足够健壮稳定,可以广泛应用于需要进行大批量带隙预测的热电材料的研究情景中. 相似文献
3.
4.
1