人工智能帮我们更快造出“废热发电”设备

热电发电机（TEG）是一类能将工业余热、人体体热等废弃热量直接转化为电能的固态器件，工作时不依赖机械运动、也不产生二氧化碳，因此在可穿戴设备供电、工业废热回收等领域具有广阔前景，有望助力全球能源转型。然而，TEG性能受材料特性、结构尺寸、界面热阻等多种因素复杂耦合影响，传统仿真与实验试错方式耗时耗力，严重制约了高性能TEG的快速开发。针对这一难题，李等人在《自然》杂志发表论文，提出一种名为TEGNet的神经网络模型。该模型不仅能以超过99%的高精度预测各类TEG的输出功率、转换效率等关键性能指标，还将单次计算耗时缩短约10,000倍。更重要的是，TEGNet并非仅输出整体性能结果，而是为每种热电材料（如Bi2Te3、SnSe等）单独构建组件级模型（如热端/冷端模块、电极层），支持用户像搭积木一样，在计算机中灵活组合不同材料与结构，快速评估成百上千种器件设计方案。这种“可组合式神经仿真”范式，显著降低了TEG研发门槛，为面向场景定制的高效热电技术提供了全新工具。