In the present work, we show the importance of temperature dependent energy band gap, E$_{g}$(T), in understanding the high temperature thermoelectric (TE) properties of material by considering LaCoO$_{3}$ (LCO) and ZnV$_{2}$O$_{4}$ (ZVO) compounds as a case study. For the fix value of band gap, E$_{g}$, deviation in the values of $\alpha$ has been observed above 360 K and 400 K for LCO and ZVO compounds, respectively. These deviation can be overcomed by consideration of temperature dependent band gap. The change in used value of E$_{g}$ with respect to temperature is $\sim$4 times larger than that of InAs. This large temperature dependence variation in E$_{g}$ can be attributed to decrement in the effective on-site Coulomb interaction due to lattice expansion. At 600 K, the value of \textit{ZT} for \textit{n} and \textit{p-doped}, LCO is $\sim$0.35 which suggest that it can be a used as a potential material for TE device. This work clearly suggest that one should consider the temperature dependent band gap in predicting the high temperature TE properties of insulating materials.


翻译:在目前的工作中,我们显示了温度依赖性能量带差异的重要性,即E$g}(T),通过将LaCoo$=3}(LCO)和ZnV$=2}(O$4}(ZVO)化合物作为案例研究,了解材料的高温热电(TE)特性。对于波段差异的固定值而言,E$g}(ZVO),观察到LCO和ZVO化合物的温度依赖性差值分别为360K和400K。考虑到温度依赖性差,这些偏差是可以克服的。E$+g}在温度方面的用值变化比InAs的用值大4倍。E$+2}美元=4}(ZVO)化合物的这种巨大的温度依赖性差可归因于在现场库伦姆互动中有效值的衰减,因为拉蒂斯膨胀。在600K,对\ textitilit{n}和\textimate{p-do}的值值可以克服这些偏差值。对于温度设备来说,LCO的预测值应该明确地认为,在Tequal be a rodudestrualment of asudestrate sess for a ex in a shegradustrualtiduction a sheal

0
下载
关闭预览

相关内容

因果图,Causal Graphs,52页ppt
专知会员服务
249+阅读 · 2020年4月19日
深度强化学习策略梯度教程,53页ppt
专知会员服务
183+阅读 · 2020年2月1日
强化学习最新教程,17页pdf
专知会员服务
177+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
94+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
104+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
10+阅读 · 2019年1月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
4+阅读 · 2019年12月2日
Adversarial Metric Attack for Person Re-identification
A Probe into Understanding GAN and VAE models
Arxiv
9+阅读 · 2018年12月13日
Arxiv
5+阅读 · 2018年1月30日
Arxiv
4+阅读 · 2018年1月15日
VIP会员
相关VIP内容
因果图,Causal Graphs,52页ppt
专知会员服务
249+阅读 · 2020年4月19日
深度强化学习策略梯度教程,53页ppt
专知会员服务
183+阅读 · 2020年2月1日
强化学习最新教程,17页pdf
专知会员服务
177+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
94+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
104+阅读 · 2019年10月9日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
10+阅读 · 2019年1月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员