本文使用从沸石、电网金属有机骨架和超交联聚合物的高通量蒙特卡罗模拟中获得的数据，电网开发了一种元学习模型，该模型可以同时预测多种材料在广泛的压力和温度范围内的吸附负载。
智慧中新(D)Sn1–xPbxSe晶体的品质因子B随温度的变化。由于大多数热电参数与动态载流子浓度n相互依赖，项目它们之间存在着强烈的耦合关系，而动态载流子浓度n通常是热电优化的限制因素。
文献链接：落地Powergenerationandthermoelectriccoolingenabledbymomentumandenergymultibandalignments（Science，2021，DOI:10.1126/science.abi8668）本文由木文韬翻译，材料牛整理编辑。最著名的热电材料是具有窄带隙Eg的化合物，天津因为Eg≈6~10kBT（其中kB是玻尔兹曼常数）通常被认为是实现高热电性能的一个选择规则，天津而负Eg也能实现高热电冷却性能。研究发现，生态采用31对热电装置可产生~4.4%的发电效率和~45.7K的冷却ΔTmax。
电网图4 霍尔测量和热传输特性(A)Sn1–xPbxSe晶体的霍尔载流子浓度(nH)随温度的变化。同时，智慧中新实现了一个高性能的热电装置，智慧中新进一步证明了宽带隙SnSe晶体在发电（如收集废热）和电子设备（如作为热电冷却的温度控制器）中的潜在应用前景。
【引言】热电材料被认为是能源技术的潜在材料，项目因为它们可以实现热与电之间的直接和可逆转换。
落地(C)能量转换效率η与电流I的关系。对于气体吸附的机器学习，天津本文的元学习方法完全基于NPM的吸附数据给出了NPM的指纹。
生态输入中没有结构或能量特性也使我们能够将相同或微调的模型应用于具有不同结构和化学性质的NPM。电网在已合成沸石的数据上训练的元学习模型能够推广到其他类型的NPM。
欢迎大家到材料人宣传科技成果并对文献进行深入解读，智慧中新投稿邮箱[email protected]。突出显示和标记的点是沸石，项目报告了额外的验证模拟。
