近日，上海大学材料基因组工程研究院杨炯教授、席丽丽副研究员团队在热电材料逆向设计与新材料预测方向取得新进展。相关研究论文“Inverse design of functional materials: a case study in thermoelectrics”已被Nature Portfolio旗下计算材料学领域国际学术期刊《npj Computational Materials》接收。嘉兴大学人工智能学院王向东博士为第一作者，上海大学杨炯教授、席丽丽副研究员为共同通讯作者，上海大学为第一完成单位。
热电材料能够实现热能与电能的直接转换，在余热回收、固态制冷和清洁能源等领域具有重要应用前景。然而，材料的热电性能取决于电输运与热输运性质之间的精细平衡：既要具备良好的导电能力，又要尽可能抑制热量传导。多个性能参数彼此耦合、相互制约，使高性能热电材料的发现成为材料科学中的长期挑战。
近年来，基于材料数据库的高通量计算显著加快了候选材料筛选，但这类方法通常只能在已经合成或已被收录的材料中寻找“优等生”，探索范围仍受现有数据库限制。逆向设计则试图改变这一逻辑：先设定目标性能，再利用算法生成可能满足要求的全新材料。不过，对热电性能这类复杂功能性质而言，如何确保生成结构不仅“新”，还具有稳定性、可计算性和潜在实用价值，始终是走向实际应用的关键难题。
图1 TEID：生成与验证协同的“漏斗式”框架
针对这一问题，研究团队构建了 TEID 框架，将晶体生成式人工智能模型、专业材料数据库与由低到高精度的多层级理论计算验证有机结合，形成一条“生成候选—快速初筛—精确计算—性能验证”的完整技术路线。本研究基于MatHub-3d数据库的热电数据，训练晶体扩散变分自编码器，定向生成6400个候选结构。经去重与组成约束后保留1461个，利用M3GNet和MEGNet筛选出1005个热力学与动力学稳定的候选材料。通过自动化DFT计算进行高精度筛选，最终锁定4种未见报道的稳定化合物，其中Na3CaP3和Si3Cu3AgS6在700 K下预测ZT值分别达1.59和2.24，为中温热电材料研发提供了明确的实验靶标。
此外，国际权威期刊《Nature Reviews Materials》在“Research Highlights（研究亮点）”栏目以“A new funnel for thermoelectric materials discovery（热电材料发现的新漏斗）”为题，专题介绍了上海大学材料基因组工程研究院杨炯教授团队提出的热电材料逆向设计框架（thermoelectric inverse design framework，TEID）。该文由期刊主编 Giulia Pacchioni 撰写。《Nature Reviews Materials》的专题文章指出，该研究将生成模型与日益严格的多层级计算验证相结合，用于评估候选材料的功能性能，是迈向更加系统化发现热电材料及其他能源材料的重要一步。
图2 热电材料发现的新型漏斗
本研究得到了国家重大科学研究计划、国家自然科学基金以及浙江省自然科学基金的支持。
论文链接：https://doi.org/10.1038/s41524-026-02307-3
研究亮点文章链接：https://doi.org/10.1038/s41578-026-00965-9