【产通社，5月1日讯】废热无处不在：汽车发动机、工业机械、厨房电器——甚至你自己的身体。部分损失的能量可以通过热电发电转化为电力：这种紧凑型固态装置，直接利用温差发电，无需旋转涡轮机或运动部件。长期以来，设计使这些系统高效材料一直是一项工程上的苦难，需要缓慢的模拟和细致实验，以识别既导电又限制多余热量流动的组合。

如今，日本的研究人员已经构建出一种AI工具，能够以比传统方法快1万倍的速度设计热电发电机。研究发现，基于该工具建议建造的原型，其性能可与当今领先的热电器件媲美。

这项于4月15日发表在《自然》杂志上的研究，有望通过大幅加速寻找能够高效将热能转化为电能的经济材料和器件设计，推动这一长期被承诺但尚未广泛采用的清洁能源技术。日本筑波材料纳米建筑学研究中心副主任森隆雄及其团队进行了这项研究。

热电发电机将废热转化为电能

热电发电机已经存在数十年，悄然为航天器供电，为偏远地区的天然气管道供电，并在更换电池不便的地方运行远程传感器。但高成本和适度的性能指标使这些设备大多局限于小众应用。在炼油厂、钢铁厂及其他重工业中更广泛部署的希望尚未实现，导致大量废热未被充分利用。

大型电厂通常依赖蒸汽驱动系统，通过沸水将热能转化为电能，驱动涡轮机。这些系统在大规模上效率很高，但需要运动部件、维护和相对较高的工作温度，因此不适合从散射或低温源回收热量。

热电发电机在这些工作中表现更佳。其紧凑的固态设计使其能够从发动机排气管、工厂锅炉、服务器机架和高性能电子设备等表面收集少量热量，而这些表面通常不适合传统涡轮机。

但热电发电机（TEGs）的进展长期以来一直受限于缓慢且细致的设计过程。这是因为研究人员必须寻找能够同时高效导电且能最小化不参与发电的热流材料。

找到这种罕见的配对对于利用Seebeck效应至关重要，该效应中两种半导体间的温差驱动电流。为此，研究人员常常花费数天甚至数周时间，通过缓慢的物理模拟筛选可能的设计，评估单一配置。

AI加速热电发电机的设计

基于AI的新方法极大加快了搜索速度。该公开工具名为TEGNet，基于神经网络框架，训练以近似描述热电材料中热流和电传输的复杂物理方程。模型不再从零反复求解这些方程，而是学习材料的行为，并将其视为可以以多种方式组合的模块化组件。这使得研究人员能够快速筛选数千种潜在设备架构，并在毫秒级内估算其性能。

“这种速度使设计参数能够全面探索，发现可能被忽视的最优器件配置，”新加坡科学技术研究院（A*STAR）材料科学家曹静和香港中文大学Ady Suwardi在《自然》杂志评论中写道。

为了测试这一方法，Mori团队使用TEGNet优化了两种类型的发电机设计。其中一种称为分段单偶，将多个热电材料堆叠在一起，使每个材料在特定温度范围内都能高效工作。第二种半导体是两种互补半导体，称为n型和p型材料，当热量流过它们时会产生电流。

在扫描了数千种可能配置后，AI识别出了预计能带来强劲性能的设备几何形状。研究人员随后利用火花等离子烧结制造了原型发生器，这种方法通过电流脉冲快速将粉末材料压缩成致密固体组分。这两种设计在工业废热典型的温度条件下，转换效率均约为9%，而热电器件最常部署于此。

这个数字听起来可能并不惊人。但任何将热量转化为电能的技术都面临着内置的效率上限，这一上限由其热面和冷面之间的温差决定——这是被称为卡诺极限（Carnot limit）的基本热力学约束。而对于热电发电，即使是微小的提升也可能产生影响：效率的微小提升可以决定回收废热的经济价值。

AI找到更便宜的热电材料

热电技术的另一个限制是材料和制造成本。该领域长期依赖半导体材料，如碲化铋，其中碲含量相对稀缺，通常需要精确控制的晶体生长和微观结构排列以实现高性能。这增加了制造复杂性和成本。

相比之下，TEGNet识别的一些AI设计设备可以通过更简单的制造方法制造，在某些情况下甚至完全避免使用碲化铋。尽管具体细节仍属机密，但初步成本估算显示，这些设计有望使热电发电机在工业废热应用中更接近经济可行性。

从估算成本预测，热电历史上将首次实现具有工业竞争力的发电成本。查询进一步信息，请访问官方网站https://spectrum.ieee.org/ai-designed-thermoelectric-generator。（Donna Zhang，张底剪报）