半赫斯勒热电材料通用ML框架研究
热点事件持续更新
半赫斯勒热电材料通用ML框架研究
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Shoeb Athar、Adrien Mecibah 和 Philippe Jund 发表了一套机器学习框架，用于预测半赫斯勒（half-Heusler）化合物的热电优值 zT，研究重点放在预测此前未见过的组分上。 据研究者称，该框架被描述为面向该材料体系的“稳健”预测工具，目标是推广到新组分而非仅拟合已有数据。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
面向 Half-Heusler 热电材料的可泛化机器学习框架报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv：cs.LG面向 Half-Heusler 热电材料的可泛化机器学习框架
研究团队提出一套可泛化的机器学习框架，用于预测 Half-Heusler 化合物的热电优值 zT，并重点预测此前未见过的组分。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。