金属导电率的计算一向昂贵，难以覆盖庞大化学空间。这套流程先用两个机器学习代理量——BoltzTraP2在恒定弛豫时间近似下给出的电导率，以及Eliashberg电子-声子耦合常数λ——经符号回归拟合为σSR=0.4σBT/λ，对约280万种有序化合物排序，再对候选做完整电子-声子输运计算。Be2IrPt、H3NaNi、LuIr和LiBePt2的室温电导率落在约34至38×106 S/m，与铝的36.59×10
金属导电率的高通量筛选现在可以覆盖约280万种有序化合物，而不必只对少量材料逐一做第一性原理输运计算。 此前的输运计算需要能带结构、散射率和输运积分，成本把研究范围限制在很小的材料集合内，电导率在现有高通量数据库中基本未被系统收录。 对约14000种化合物做第一性原理复核后，机器学习预测与计算值在重叠数据点上的均方根偏差为电导率4.14×106 S/m、λ为0.18，预测异常偏高的假阳性在复核中被剔除。
排序靠一个只含两个量的经验式，把电子结构给出的电导率与散射强度合成一个估计值。 BoltzTraP2的σBT只依赖能带结构，采用恒定弛豫时间近似，不显式包含电子-声子散射，因此不能直接与实验电导率比较。 符号回归在43个有实验电导率的材料上拟合出σSR=0.4σBT/λ，该式在贵金属、碱金属和过渡金属上都给出较好描述，最明显的离群点是Sr和Ca。
排名靠前的候选经完整迭代玻尔兹曼输运方程计算后，仍保持高电导率。 筛选阈值设为σSR>15×106 S/m，复核后按相同元素组成只保留每种体系预测最高的一种，最终得到52个体系。 EPW计算给出Be2IrPt为38.02、H3NaNi为34.82、LuIr为34.41、LiBePt2为34.35×106 S/m，与铝的36.59×106 S/m相当；σEPW与σSR之间的平均绝对误差为3.82×106 S/m。
贵金属的高电导率来自能带与晶格振动的组合，而非单一因素。 Ag的4d壳层闭合，d带位于费米能级以下约4–7 eV，费米面附近由色散陡峭的5s带主导，声子频率低且与传导电子耦合很弱，λ约为0.1。 Al的费米面由多个片层构成，λ约为0.45，并在1.2 K超导；同样的耦合在室温下表现为更高的散射率，使Al的电导率低于Ag。
这套流程针对的是Alexandria数据库中距凸包不超过25 meV/atom的有序无机化合物，输运计算在标量相对论水平完成，自旋-轨道耦合只在Pb、Be2IrPt和LiBePt2上做了对照。实验基准是一组已有可靠电导率数据的元素金属，而非化学组成复杂的化合物。
自旋-轨道耦合被忽略，对含重元素的化合物，加入后Be2IrPt和LiBePt2的室温电导率分别下降8.1%和9.3%，Pb的结果则更接近实验。Ca和Sr的计算值与实验偏差最大，作者将其归因于费米能级附近d态杂化与准粒子修正可能改变费米面拓扑。此外，σBT代理模型对k点采样敏感，精度低于λ模型。
