MARC

 008260126s2025        us                              c    eng  d
■001000017358997
■00520260202104820
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798291588826
■035    ▼a(MiAaPQ)AAI32169082
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a620.11
■1001  ▼aAdekoya,  Adetoye  H.▼0(orcid)0000-0002-1071-3034
■24510▼aCALPHAD  Assisted  Optimization  of  Thermoelectric  Materials:  The  Defect  Energy  Formalism
■260    ▼a[Sl]▼bNorthwestern  University▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a163  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-03,  Section:  B.
■500    ▼aAdvisor:  Snyder,  Jeffrey  H.
■5021  ▼aThesis  (Ph.D.)--Northwestern  University,  2025.
■520    ▼aDesigning  thermoelectric  materials  for  high-efficiency  thermal-to-electric  energy  conversion  means  simultaneously  optimizing  multiple  properties  that  are  often  related  in  complex  ways.  Although  the  nominal  aim  is  usually  to  maximize  the  electrical  power  and  Seebeck  coefficient  while  minimizing  thermal  losses,  the  convoluted  relationship  between  these  properties  makes  optimization  complex,  requiring  more  sophisticated  approaches.  Developing  analytical  and  computational  models  that  formulate  this  challenge  as  an  optimization  problem  enables  the  systematic  tuning  of  critical  parameters  to  achieve  the  theoretical  maximum  efficiency  of  the  material  system.  Such  approaches  include  the  Materials  by  Design  and  the  Accelerated  Insertion  of  Materials  (AIM)  methodologies,  which  utilize  mechanistic  models  to  model  the  Process-Structure-Property-Performance  (PSPP)  relationship,  essential  to  any  material-by-design  approach.  As  an  example,  to  develop  a  high-efficiency  thermoelectric  device  within  the  AIM  methodology  the  effects  of  various  microstructural  parameters  like  the  grain  structure  (grain  size  and  grain  boundary),  presence  of  precipitates  and  their  volume  fraction,  dopants  and  the  corresponding  point  defect  and  charge  concentration  of  the  matrix  phase  can  be  modeled  using  a  combination  of  different  empirical,  analytical  and  computational  models.In  recent  years,  the  Calculation  of  Phase  Diagrams  (CALPHAD),  also  called  Computer  Coupling  of  Phase  Diagrams  and  Thermochemistry,  has  revolutionized  the  materials  landscape,  being  directly  credited  with  the  design,  development,  and  successful  deployment  of  novel  alloys  in  a  variety  of  engineering  applications.  CALPHAD  models  the  thermodynamic  properties  of  phases  by  using  empirical  models  of  the  Gibbs  free  energy.  While  the  success  of  CALPHAD  is  without  question,  its  application  has  mostly  been  limited  to  metallic  alloys.  However,  in  semiconductors  where  non-stoichiometry  significantly  influences  functional  properties,  the  ability  to  predict  the  degree  of  non-stoichiometry  (defect  concentrations)  is  essential  for  guiding  the  design  of  new  materials.  The  goal  of  this  thesis  is  to  develop  a  framework  within  CALPHAD  for  predicting  the  non-stoichiometry  of  compounds  using  the  concept  of  defect  energies  as  developed  in  first-principle  approaches.  First,  the  potential  benefits  of  CALPHAD  in  developing  thermoelectric  materials  are  explored  through  PbTe  as  a  case  study.  Next,  we  examine  the  potential  of  frameworks  like  CALPHAD  to  provide  new  insights  into  material  behavior  through  a  detailed  analysis  of  phase  diagram  shapes.  Subsequently,  we  explore  the  Defect  Energy  Formalism  (DEF)  as  a  formalism  for  predicting  non-stoichiometry.  Finally,  we  explore  a  few  applications  of  the  DEF  and  discuss  its  potential  limitations  and  possible  future  work.
■590    ▼aSchool  code:  0163.
■650  4▼aMaterials  science
■650  4▼aEnergy
■650  4▼aThermodynamics
■653    ▼aDefect  Energy  Formalism
■653    ▼aFirst-principles
■653    ▼aThermoelectricity
■690    ▼a0794
■690    ▼a0348
■690    ▼a0791
■71020▼aNorthwestern  University▼bMaterials  Science  and  Engineering.
■7730  ▼tDissertations  Abstracts  International▼g87-03B.
■790    ▼a0163
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17358997▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books