能源创新的探索超越了传统材料的界限。机器学习的迅猛进展加速了可革命化薄膜电容器领域的新物质的发现。通过在近50,000种高分子中进行筛选，研究人员识别出了一些有希望的材料，从而革新了能量存储和调节能力。这一进展应对了如热性能和现代电力系统的耐久性等至关重要的挑战，推动了能源潜力达到前所未有的高度。
薄膜电容器的先进材料发现
劳伦斯伯克利国家实验室与多所机构合作，提出了一种机器学习技术，以发现用于薄膜电容器的材料。这些组件是电气化和可再生能源技术的关键。该创新方法在近50,000个化学结构的文献库中进行了测试，最终识别出一种具有创记录性能的化合物。
跨学科合作与显著成果
威斯康星大学麦迪逊分校、斯克里普斯研究所、加州大学伯克利分校和南密西西比大学的专家在机器学习、合成化学和材料表征方面提供了他们的专业知识。该研究发表在期刊自然能源上，强调了其在该领域的重要影响。
伯克利实验室的首席研究员刘怡表示：“为了具有成本效益且可靠的可再生能源技术，我们需要高性能的电容器材料。”这种创新的筛选方法促进了稀有材料的识别，这些材料通常很难被发现。
薄膜电容器的日益增长的应用
薄膜电容器的需求正在迅速增长，特别是在高温和高功率的应用中，如电动汽车、航空、功率电子和航空航天领域。这些设备在逆变器中发挥了关键作用，使得太阳能和风能转化为可用的交流电。
电容器的高分子特性
薄膜电容器由隔离材料夹在两个导电金属板之间组成。与电池通过化学反应工作不同，电容器通过施加的电场快速充电和放电。
高分子作为大分子，成为了耗散能量电容器绝缘材料的有希望的选择。它们的轻便、灵活和对电场的耐受性使其具有特别的吸引力。然而，这些材料在高温下可能失去绝缘特性，导致逐渐的性能下降。
基于机器学习的选择过程
传统上，研究人员通过试错法识别高性能高分子，每次设计几个候选者。伯克利实验室的博士后研究员何立指出：“这种方法在迫切需要改进电容器的情况下太慢。”作为回应，团队设计了机器学习模型，使用前馈神经网络回顾大量的高分子。
这一方法使得选出了三种有前途的高分子，能够承受高温、承受强电场，并表现出高能量存储密度。
新材料的实验和验证
这三种识别出的高分子是由斯克里普斯研究所使用点击化学合成的，这是一种快速有效地连接分子构建块的技术。这些研究人员，包括2022年诺贝尔奖获得者巴里·夏普莱斯教授，在伯克利实验室的分子工厂对新电容器进行了测试。
结果表明，这些材料在电气和热性能方面表现出色。其中一种高分子展示了前所未有的热抗性、绝缘性能、能量密度和效率。材料的质量、操作稳定性和耐用性也通过深入的测试得到了验证。
未来展望和持续研究
研究人员考虑了多条途径来继续他们的工作。博士后研究员谢宗梁提到建立机器学习模型，以更好地理解高分子结构对其性能的影响。威斯康星大学麦迪逊分校的研究生岳天乐建议开发生成性人工智能模型，能够在不通过筛选库的情况下设计高性能高分子。
他们团队的分析迅速强调了高分子设计中的关键变量，预测了聚硫酸盐膜材料的屏蔽性质将显著改善。发表在自然能源的研究通过实际实验验证了这些有希望的预测。
更多信息： Li, H., et al. 基于机器学习加速发现耐热聚硫酸盐用于静电能量存储。自然能源 (2024). DOI: 10.1038/s41560-024-01670-z
常见问题解答
机器学习模型在薄膜电容器材料研究中有什么影响？
机器学习模型通过快速分析大量化学结构库，加速了新材料的发现，从而以高效的方式识别出具有创记录性能的化合物。
研究人员如何选择有前途的薄膜电容器材料？
研究人员利用前馈神经网络对近50,000种高分子进行了筛选，重点关注热抗性、能量存储密度和合成的便捷性等标准。
在薄膜电容器中，哪些类型的材料因其卓越性能而被识别？
三种高分子因其能够承受高温，同时具有良好的电介质特性和更高的能效而被识别为尤其有前途。
为什么薄膜电容器对可再生能源技术至关重要？
它们用于高温和高功率的应用中，如电动汽车和基于可再生能源的电力系统，从而在能源的转换和调节中发挥了关键作用。
传统高分子在高温应用中遇到什么挑战？
传统高分子在高温下可能会降解，这会妨碍其绝缘特性和效率，从而限制其在苛刻条件下的使用。
什么是点击化学，它如何帮助制造电容器？
点击化学是一种快速有效的结合分子块的方法，使研究人员能够迅速合成高质量的聚合物，以便制造创新电容器。
如何评估新薄膜电容器的性能？
性能通过介电评估系统测量，测试电容器在实际使用条件下储存和导电的能力。
新开发的高分子相较于现有材料有什么优势？
这些新高分子提供了更好的耐热性、优越的绝缘特性、更高的能量密度，以及在充电和放电时最大化的效率。
机器学习模型的进步将如何改变未来新材料的研究？
未来的进步可能会开发出生成性模型，设计新型高性能高分子，而无需分析现有的库，从而使发现过程更加快速高效。
