[論文レビュー] Robust Machine Learning Framework for Reliable Discovery of High-Performance Half-Heusler Thermoelectrics

Shoeb Athar, Adrien Mecibah+1 more|arXiv (Cornell University)|Feb 1, 2026

Advanced Thermoelectric Materials and Devices被引用数 0

ひとこと要約

この論文は、PCA ベースの訓練/テスト分割、慎重な特徴選択、ベイズ超パラメータ最適化、SISSO デスクリプタ、SHAP 分析、そして約6.6×10^8 構成を安定性制約下で評価する高スループットスクリーニング (HTS) を含む頑健な ML ワークフローを提案する。

ABSTRACT

Machine learning (ML) can facilitate efficient thermoelectric (TE) material discovery essential to address the environmental crisis. However, ML models often suffer from poor experimental generalizability despite high metrics. This study presents a robust workflow, applied to the half-Heusler (hH) structural prototype, for figure of merit (zT) prediction, to improve the generalizability of ML models. To resolve challenges in dataset handling and feature filtering, we first introduce a rigorous PCA-based splitting method that ensures training and test sets are unbiased and representative of the full chemical space. We then integrate Bayesian hyperparameter optimization with k-best feature filtering across three architectures-Random Forest, XGBoost, and Neural Networks - while employing SISSO symbolic regression for physical insight and comparison. Using SHAP and SISSO analysis, we identify A-site dopant concentration (xA'), and A-site Heat of Vaporization (HVA) as the primary drivers of zT besides Temperature (T). Finally, a high-throughput screening of approximately 6.6x10^8 potential compositions, filtered by stability constraints, yielded several novel high-zT candidates. Breaking from the traditional focus of improving test RMSE/R^2 values of the models, this work shifts the attention on establishing the test set a true proxy for model generalizability and strengthening the often neglected modules of the existing ML workflows for the data-driven design of next-generation thermoelectric materials.

研究の動機と目的

• 熱電材料の ML モデルの一般化性が乏しいことに対処するため、化学空間に基づく公正な訓練/テスト分割を開発する。
• 特徴フィルタリング、ハイパーパラメータ最適化、および解釈可能なデスクリプタを統合して、半・スズ系の zT 予測を改善する。
• 安定性制約の下で新規な高 zT 半・スズ系組成を同定する厳密な HTS パイプラインを提供する。
• アンサンブルおよび手法横断の平均化を有効にし、データ駆動設計の TE 材料の一般化性を高める。

提案手法

• 各半・スズ系組成を 117 次元ベクトル（114 元素特徴量 + 3 ドーパント濃度）＋ 温度を用いて表現し、合計 118 入力特徴量とする。
• 化学空間の多様性を五分割で保持するよう、13 次元 PCA 空間の訓練/テスト分割を提案する。
• zT とのピアソン相関で元素特徴をランキングし、次に部位特異的特徴グラフ上の Bron–Kerbosch 法を用いて冗長性を除去することで k-best 特徴抽出を行う。
• ベイズ最適化を用いて、RF、XGBoost、ニューラルネットワークのハイパーパラメータを段階的に大きな特徴サブセットで調整する。
• SISSO を取り入れ、複雑な特徴の疎な線形結合として zT を表現する意味的デスクリプタを同定し、大規模な特徴プールを管理するために反復的変数選択を行う。
• 折（fold）と手法を横断したアンサンブル平均で zT を予測し、HTS 温度673 K へ予測を補間する。
• HTS を約 6.6×10^8 の候補 doped/undoped ABC 半・スズ系組成に対して実施し、OQMD と MP の二つのデータベースからの hull-distance 安定性フィルタと価電子数制約（17–19 e−）を適用する。
• ドーパント濃度を 0–0.5 で離散化し、HTS 評価のために温度依存の zT を 673 K に補間する。

実験結果

リサーチクエスチョン

• RQ1 化学空間に関する公正な訓練/テスト分割をどのように実現し、半・スズ系における zT の ML の一般化性をより適切に評価できるか。
• RQ2 特徴フィルタリング、ハイパーパラメータ最適化、デスクリプタ学習のどの組み合わせが、標準的な RMSE 重視手法よりも一般化可能な zT 予測をもたらすか。
• RQ3 頑健な HTS ワークフローは、実用的な安定性制約の下で新規の高 zT 半・スズ系組成を識別できるか。
• RQ4 ドーパント濃度と A サイトの揮発熱は、モデル解釈に従って zT 予測にどのように影響するか。

主な発見

• 13 次元 PCA 空間は、公正な訓練/テスト分割のためにデータセット分散の 95% を捉える。
• 117 次元の組成特徴ベクトル（114 EF 特徴量 + 3 ドーパント濃度）＋ 温度はデータ点あたり 118 入力特徴量を生む。
• SBSA/特徴ランク付けは、A サイトのドーパント濃度とA サイトの揮発熱が、温度と同様に zT の主要な推進力であることを示す。
• 約 6.6×10^8 の候補組成の HTS は、二つのデータベースからの安定性制約で絞り込み、いくつかの新規の高 zT 候補を生み出す。
• SISSO は物理的洞察を与え、ML モデルとの比較を可能にする意味的デスクリプタを提供する。
• 5 つの PCA ベース折と複数の ML 技術を横断したアンサンブル平均は一般化性を高め、673 K への温度補間は HTS 目標と予測を整合させる。
• データベース情報に基づく hull-distance フィルタ（OQMD 0.15 eV/原子、MP 0.9 eV/原子）と価電子数制約（17–19 e−）は、HTS で不安定な候補を効果的に絞り込む。