在任何形式的能源转换中——即使是像太阳能电池板这样的绿色能源——都会产生额外的热量。但由于其中高达 72% 未使用，因此从这些废物中获取电力的潜力也很大。

阿尔伯塔大学的一名研究人员已成功开发出一种方法来找出该过程背后的化学反应。

这一发现最终可能有助于加快热电材料的开发——这些产品如果连接到太阳能电池板系统之类的东西上，就可以回收废热，然后可以用来产生电流。

使用他开发的两个机器学习模型，Alexander Gzyl 已经能够缩小可用于制造这些材料的一组合金的化学成分。

热电材料可用于利用手机或计算机服务器等个人电子设备的能量，回收燃烧产生的热量，利用体热为心脏起搏器等设备供电，并提高地热和太阳能等替代能源的效率。

“如果我们能够将热量转化为诸如电之类的可用东西，我们就可以在全球范围内提高能源效率，”Gzyl 指出，他进行了这项研究，并在理学院获得了硕士学位。他的工作也是未来能源系统的一部分，这是一个跨学科的研究和教学网络，致力于开发能源转型的创新。

寻找正确的化学组合

Gzyl 使用的材料称为半赫斯勒合金，因其稳定性、机械强度和效率而在该领域取得成功。但由于其特定的化学成分，它们仍然构成挑战。

“它们是由某些化学元素以 1:1:1 的比例以特定方式排列的结晶材料，但该比例的化学元素有超过 100,000 种可能的组合，所有组合中只有一小部分会产生所需的一半-赫斯勒安排。”

Gzyl 需要确定正确的晶体结构，才能计算出决定给定热电材料理论效率的属性。

通过开发两种计算机算法，他能够筛选出超过 300,000 种模拟可能性，并将该领域缩小到仅 103 个候选者。他说，这导致了一份新的半赫斯勒化合物的清单，以及一种“在几秒钟内”确定它们正确排列的方法。

该知识可用于计算特定化合物的热电特性，以确定它们是否是原型设备的良好候选者，从而节省大量时间和资源。

“通常情况下，发现一些新材料可能需要长达 10 年的时间，”Gzyl 说，并指出由于进行研究需要很长时间，因此热电材料仅在过去十年内才有足够的效率进行商业化。

“机器学习确实简化了这种方法，在这种情况下，我们能够对其进行测试，将其从理论带入现实世界，并且它有效。”

Gzyl 的工作有助于推动热电材料领域的发展，宇航局和宝马等主要实体已经在使用这些材料，大学教授 Arthur Mar 说，他在化学系的实验室主持了 Gzyl 的研究。

“主要的挑战是提高产生电能的效率，许多科学家一直在努力通过合成和测试新材料来做到这一点，”马尔说。“亚历克斯的工作有助于加速这一发现过程。”