Table of Contents
مقدمة إلى تحويل الطاقة الحرارية
فالتحول المباشر للطاقة الحرارية إلى طاقة كهربائية عن طريق المواد الكهربائية يحمل وعدا كبيرا بإيجاد حلول مستدامة للطاقة، ويمكن للمولدات الكهربائية الحرارية أن تستعيد حرارة النفايات من العمليات الصناعية، وعادم السيارات، وحتى حرارة الجسم، وتحويلها إلى كهرباء صالحة للاستخدام دون نقل أجزاء أو انبعاثات، وعلى الرغم من عقود البحث، فإن الاعتماد الواسع النطاق لتكنولوجيا الطاقة الحرارية قد قلّ من الكفاءة المتواضعة للمواد المتاحة تجاريا.
وتعتمد النهج التقليدية المتبعة في اكتشاف المواد على التوليف المزود بالرسومات والاختبارات التجريبية المتكررة، وهذه العملية التجريبية هي عملية تستغرق وقتا طويلا وتحتاج في كثير من الأحيان إلى أشهر لتميز مجمع واحد، ومع وجود حيز كيميائي للمواد الكهربائية الحرارية المحتملة يقدر بتجاوز بلايين البلورات غير العضوية، فإن وجود استراتيجية أكثر كفاءة أمر أساسي.
فهم كفاءة استخدام الطاقة الحرارية
الشكل المرجعي ZT
Srmoelectric performance is universally quantified by the dimensionless figure of merit ZT, defined as ZT = (S2)
التفاعل بين شركات النقل
وترتبط الممتلكات الأساسية الثلاثة ارتباطاً وثيقاً، مما يجعل التقلب الأمثل غير قابل للتلف، فعلى سبيل المثال، يؤدي تزايد القدرة على التصرف في الكهرباء في كثير من الأحيان إلى انخفاض معامل سيبيك، ويميل كلا العقارين إلى زيادة السلوك الحراري عن طريق قانون ويديمان - فرانز، وبالتالي فإن المواد الناجحة في مجال حرق حراري يجب أن تُبطل هذه البارامترات من خلال الهندسة الدقيقة للهيكل الإلكتروني للإطارات ونموذجات الملوفات، تشمل وضع استراتيجيات للتنبؤ بنقطة.
صنفات المواد الرئيسية
MLT: [FLT]
تقليديــة
وقبل ظهور أساليب محركة البيانات، فإن اكتشاف مجمع جديد لكهرباء الحرارة يتبع عادة تدفقاً خطياً للعمل: (1) يُفترض أن يُفترض أن يُفترض أن يكون هناك باحث يُفترض أن يُنتَهز مرشحاً استناداً إلى التماثل الكيميائي أو التناظر الهيكلي؛ (2) أن يكون المجمع مركباً مركباً عن طريق ردود الفعل المتشددة، أو التعبئة بالجملة؛ (3) أن العينة تتميز بحجم عن طريق قواعد البيانات المتنازعزعزعزعزعزعزعزعزعزعزع.
المُتَعَلِّمُ العاليِ
فحص حواسيب عن طريق نظرية الكثافة الوظيفية
ويستخدم الباحثون في دراسة استقصائية حاسوبية عالية الجودة، ويستخدمون في عمليات حصرية للمرشحين في المقام الأول لتقييم آلاف المركبات في السليكو، ويستخدمون نظرية تشغيلية للكثافة، ويستطيعون أن يحسبوا هياكل النطاقات الإلكترونية، والكتل الفعالة، والإمكانات المحسوبة في جميع الحالات، التي تتصل جميعها بمعاملات التبريد وسلوك كهربائي، ويمكن تقدير مدى القدرة على معالجة المواد من خلال نموذج Slack للفحص الآلي أو أحدث
التكامل مع التعلم في مجال الآلات
:: تؤدي نماذج التعلم في مجال الآلات كعمليات بديلة تؤدي إلى جزء من التكلفة تقريباً، ومن خلال التدريب على قاعدة بيانات معالجة للممتلكات المحسوبة من قبل إدارة الدعم الميداني، يمكن للنموذج أن يُتوقع ZT أو الكميات الكريستالية ذات الصلة للمركّبات الجديدة في الثانية المليمونة، ويتكون خط الأنابيب العالية المخرج من ثلاث مراحل للوزن:
تدفق العمل في مجال التعلم في مجال المواد الحرارية
ممر البيانات والهندسة المخصّصة
وتكتسي نوعية وكمية بيانات التدريب أهمية حاسمة بالنسبة للأداء النموذجي، وتشمل مجموعات البيانات العامة المشتركة مشروع Materials Project ) (أكثر من 000 150 مركبة غير عضوية)، وقاعدة بيانات المواد المفتوحة، ولتحديد طول الكبريتات الحرارية، تستمد سمات من الخصائص الأساسية (عدد الدم، وكمية الكترونية).
الاختيار النموذجي والتدريب
(أ) استخدامات مختلفة من الخوارزميات، بما في ذلك الغابات العشوائية، والأشجار المزروعة من نوع التدرج (XGBoost, LightGBM)، وأجهزة الدعم والشبكات العصبية العميقة، وبالنسبة لمهام التراجع التي تنبئ Z أو مكوناتها، كثيرا ما تفوق أساليب التجمع التعلم العميق عندما تكون مجموعات البيانات ذات حجم متواضع (ألف)
الفحص الافتراضي والترشيح
وبعد التدريب، يتم نشر النموذج على مجموعة كبيرة غير محددة من التكوينات المرشحة، وبالنسبة لكل مرشح، فإن النواتج النموذجية المتوقعة [(FLT:0]) من هذه الفئة ] تشمل تقديرات عدم التيقن (إذا استخدمت أساليب محتملة مثل العمليات الغوسية أو الشبكات العصبية البيزيائية) ثم يتم فرز المرشحات عن طريق الأداء المتوقع، وتسلم المئات العليا تأكيداً للتدفق
دراسات الحالة وقصود النجاح
الكشف عن مكبرات الهلوسة الجديدة
(أ) النجاح الملحوظ هو تحديد مواد نصف الطاقة الحرارية الواعدة، ففي عام 2018، استخدم الباحثون في جامعة ويسكنسن - ماديسون والمتعاونون نموذجاً حرجياً عشوائياً تم تدريبه على بيانات إدارة الطاقة لتدقيق أكثر من 000 3 من تركيبات نصف هيسلر، وتوقع النموذج وجود عدة تركيبات غير مبلَّغ عنها مع عوامل عالية في الطاقة.
تحقيق الاستخدام الأمثل لـ (الضربة الحادّة)
Another example involves the optimization of filled skutterudites for mid-oftemperature applications. Skutterudites have the general formula RM4X12 (R = rare earth filler, M = Co, Fe, X = P, As, Sb). The filler species and concentration dramatically influence thermal conductivity and power factor. Using a gradient boosting model trained on experimental data from over 200 filled skutterudi
التحديات والحدود
نوعية البيانات وتوحيدها
ويمكن أن تتباين قيم " السحب في القمامة " بشكل خاص، وهي عبارة عن " هدف تجريبي " ZT[[FLT:] " من مختلف المختبرات، نظراً للاختلافات في تقنيات القياس (مثلاً، فإن الشاحنات المطوّرة ضد 4 بروبي، والليزر ضدّ الارتطام المستمر).
الترجمة الشفوية النموذجية
وكثير من نماذج التعلم الآلي تعمل كصناديق سوداء، مما يجعل من الصعب استخراج البصيرة المادية، فعلى سبيل المثال، قد يتوقّع النموذج بدقة ارتفاع ZT] بالنسبة لتشكيل لا يقدم أي تفسير للذي تحفز عليه المعالم الذرية، مما يحد من القدرة على تصميم مواد جديدة بصورة رشيدة، كما أن تقنيات التنبؤ مثل البرمجيات الاصطناعية المستخدمة هي:
وقف التقييم التجريبي
وحتى نموذج التعلم الآلي الأفضل لا يمكن أن يضمن أن تكون المواد المتوقعة قابلة للتوليف أو مستقرة في ظروف التشغيل، وقد أبطل العديد من التنبؤات العالية المخرجات نتيجة التنافس أو التحلل التدريجي أثناء التوليفي، ولإغلاق الحلقة، يجمع الباحثون بين القانون النموذجي وبين ] تحليل الاستقرار التدريجي ] (عن طريق حسابات الوصلات المتوافقة من إدارة الدعم الميداني) وأطر التعلم التجريبية.
الاتجاهات المستقبلية
التعلم النشط والتأهيل الأمثل في بايزي
وبدلا من أن يُدرج التعلم النشط في النموذج في الوقت الحقيقي، التعليقات التجريبية، ويُتوقع أن لا يقتصر هذا الخوارزمي على الأداء المتوقع فحسب، بل أيضا عدم التيقن، ثم يختار المرشحين الذين يتوقع أن يكونوا من ذوي الأداء العالي (الإنتشار) أو غير مؤكدين إلى حد بعيد (الإنتشار)، وقد طبقت هذه الاستراتيجية بنجاح على تطبيق معايير نمو عالية الجودة، ويجري الآن تكييفها على نحو متفاوت بالنسبة للجملة.
نماذج متجانسة للتصميم العكسي
Inverse design turns the paradigm: instead of screening known compositions, the model learns to generate entirely new Belgian structures with target properties. Variational autoencoders (VAEs) and generative adversarial networks (GANs) can produce candidate structures by mapping the chemical space into a continuous latent space. For thermoelectrics, this is still nascent, but early results have plausible
تعدد الملاءمة والطرق الهجينة
ويجمع نموذج التكوين المتعدد الجوانب بين البيانات الرخيصة والخفيضة الدقة (مثلاً، الإمكانيات التجريبية السريعة) وبيانات باهظة التكلفة ومرتفعة الدقة (مثلاً، إدارة الدعم الميداني ذات الوظائف الهجينة) ويمكن لهذه النماذج، من خلال معرفة الخطأ بين المستويات، أن تحقق الدقة على مستوى إدارة الدعم الميداني، مع اشتراط إجراء عمليات تقديرية أقل بكثير.
خاتمة
وقد أدى الفحص العالي للمنتجات الذي كان يُستخدم في التعلم الآلي إلى تغيير جذري في سرعة اكتشاف المواد الحرارية الكهربائية، ومن خلال نقل المواد الكيميائية والهيكلية الضخمة بكفاءة، إلى تحديد عدة مركبات جديدة عالية الأداء، وإلى تقليص الوقت من فرض الفرضية إلى التحقق من صحة المواد من سنوات إلى أشهر، ومع ذلك، فإن التحديات في نوعية البيانات، وإمكانية التفسير النموذجي، والتقلبات التجريبية لا تزال قائمة.
For further reading on the computational methods discussed, the Review in npj Computational Materials] provides an excellent overview of machine learning in in in inorganic materials discovery. A comprehensive dataset of thermoelectric properties can be found at the Materials Project.