Article
エネルギー技術：構成可能なニューラルエミュレーターによる熱電発電デバイスの設計の加速
Nature 652, 8110 doi: 10.1038/s41586-026-10223-1
高性能熱電（TE）デバイスの設計は、先端材料だけでなく最適な構成を必要とするため、困難である。こうした構成は、デバイス性能を最大化する上で不可欠だが、その特定は依然として非常に時間のかかり、資源集約的である。今回我々は、商用の有限要素ソルバーが必要とする計算時間の0.01％しか使用せずに、99％を超える精度でTE発電機の性能を予測するニューラルネットワークエミュレーターであるTEGNetを開発した。TEGNetは、さまざまな材料系にわたって高いアーキテクチャー汎用性を示し、材料特異的なエミュレーターの柔軟な組み合わせを可能にすることで、多様なデバイスアーキテクチャーの高速かつ正確な探索を可能にする。我々は、TEGNetを用いて、セグメント化されたMgAgSb/Bi0.4Sb1.6Te3およびMg3Bi1.4Sb0.6–MgAgSb n–pペアTE発電機を実験的に最適化し、それぞれ9.3％および8.7％の変換効率を達成した。これらの値は、これまで報告された中でも競争力の高い水準に位置する。今回の研究は、TE発電機設計における人工知能（AI）の力を実証するものであり、熱電変換研究におけるAIのさらなる活用を促す。
