第51卷第2期2023年2月硅酸盐学报Vol.51，No.2February，2023JOURNALOFTHECHINESECERAMICSOCIETYhttp://www.gxyb.cbpt.cnki.netDOI：10.14062/j.issn.0454-5648.20220863机器学习在热电材料领域中的应用盛晔1，宁金妍1，杨炯1,2(1.上海大学材料基因组工程研究院，上海200444；2.之江实验室，杭州311100)摘要：热电材料是环境友好型能源转换材料，涉及的体系十分多样。其性能优化是一个多参数协调的复杂问题，一直是研究者们关注的热点。虽然热电的计算模拟方法和实验方法发展迅速，但是热电材料的搜索效率仍需要进一步提高。机器学习具有计算成本低和预测速度高的优势，可以快速缩小搜索空间，加快对热电材料结构和性能优化的研究。本综述从数据类型的角度出发，介绍了热电材料中的小样本数值数据(数据量约为102)，大样本数值数据(数据量大于104)及图片数据中机器学习的应用和研究进展，进一步详细地讨论了在不同的数据类型中研究热电材料的结构和性能所使用的不同的机器学习算法模型，并对其未来的发展趋势和应用方向进行了展望。关键词：热电材料；机器学习；图卷积神经网络中图分类号：TP181；O738；O736文献标志码：A文章编号：0454–5648(2023)02–0499–11网络出版时间：2022‒12‒27ApplicationsofMachineLearninginThermoelectricMaterialsSHENGYe1,NINGJinyan1,YANGJiong1,2(1.MaterialsGenomeInstitute,ShanghaiUniversity,Shanghai200444,China;2.ZhejiangLaboratory,Hangzhou311100,China)Abstract:Thermoelectricmaterialsareenvironmental-friendlyenergyconversionmaterials.Theirperformanceoptimizationisacomplexissueofmulti-parametercoordination,whichbecomesachallenge.Althoughthecomputationalsimulationandexperimentalmethodsforthermoelectricmaterialshavedevelopedrapidly,theefficiencyofsearchingthermoelectricmaterialsstillneedstobefurtherimproved.Machinelearninghassomeadvantagesoflowcomputationalcostandhighpredictionspeed,whichcanshortenthesearchprocessandacceleratethecorrespondingstudiesonthestructureandperformanceoptimizationofthermoelectricmaterials.Thisreviewintroducedtheresearchprogressonmachinelearningforsmallsamplenumericaldata(datavolumeisabout102),largesamplenumericaldata(datavolume>104)andimagedatainthermoelectricmaterialsfromtheperspectiveofdatatypes.Moreov...
