Cristin-resultat-ID: 1766634
Sist endret: 6. oktober 2020, 14:30
NVI-rapporteringsår: 2019
Resultat
Vitenskapelig Kapittel/Artikkel/Konferanseartikkel
2019

Effectiveness of Neural Networks for Research on Novel Thermoelectric Materials. A Proof of Concept.

Bidragsytere:
  • Filippo Remonato
  • Ole Martin Løvvik og
  • Espen Flage-Larsen

Bok

Nordic Artificial Intelligence Research and Development: Third Symposium of the Norwegian AI Society, NAIS 2019
ISBN:
  • 978-3-030-35664-4

Utgiver

Springer
NVI-nivå 1

Serie

Communications in Computer and Information Science
ISSN 1865-0929
e-ISSN 1865-0937
NVI-nivå 1

Om resultatet

Vitenskapelig Kapittel/Artikkel/Konferanseartikkel
Publiseringsår: 2019
Hefte: 1056
Sider: 69 - 77
ISBN:
  • 978-3-030-35664-4
Open Access

Klassifisering

Emneord

Artificial Neural Networks • Termoelektriske materialer • Maskinlæring

Fagfelt (NPI)

Fagfelt: Informatikk og datateknikk
- Fagområde: Realfag og teknologi

Beskrivelse Beskrivelse

Tittel

Effectiveness of Neural Networks for Research on Novel Thermoelectric Materials. A Proof of Concept.

Sammendrag

This paper describes the application of neural network approaches to the discovery of new materials exhibiting thermoelectric properties. Thermoelectricity is the ability of a material to convert energy from heat to electricity. At present, only few materials are known to have this property to a degree which is interesting for use in industrial applications like, for example, large-scale energy harvesting [3, 8]. We employ a standard neural network architecture with supervised learning on a training dataset representing materials and later predict the properties on a disjoint test set. At this proof of concept stage, both sets are synthetically generated with plausible values of the features. A substantial increase in performance is seen when utilising available physical knowledge in the machine learning model. The results show that this approach is feasible and ready for future tests with experimental laboratory data.

Bidragsytere

Filippo Remonato

  • Tilknyttet:
    Forfatter
    ved Mathematics and Cybernetics ved SINTEF AS

Ole Martin Løvvik

  • Tilknyttet:
    Forfatter
    ved Strukturfysikk ved Universitetet i Oslo
  • Tilknyttet:
    Forfatter
    ved Bærekraftig energiteknologi ved SINTEF AS

Espen Flage-Larsen

  • Tilknyttet:
    Forfatter
    ved Strukturfysikk ved Universitetet i Oslo
  • Tilknyttet:
    Forfatter
    ved Bærekraftig energiteknologi ved SINTEF AS
1 - 3 av 3

Resultatet er en del av Resultatet er en del av

Nordic Artificial Intelligence Research and Development: Third Symposium of the Norwegian AI Society, NAIS 2019.

Bach, Kerstin; Ruocco, Massimiliano. 2019, Springer. NTNUVitenskapelig antologi/Konferanseserie
1 - 1 av 1