来源：安博综合app下载登录 发布时间：2024-12-21 11:39:37 人气：1 次
科技日报讯（记者张梦然）美国能源部劳伦斯伯克利国家实验室与多家合作机构共同演示了一种机器学习技术，旨在发现适用于薄膜电容器的新型材料。这一进展对于电气化和可再次生产的能源技术来说至关重要，因为薄膜电容器是这些领域中不可或缺的组件。研究团队使用这项技术从接近5万种化学结构中筛选出了一种性能破纪录的化合物。研究成果发表在最新的《自然能源》杂志上。
尽管电池在可再次生产的能源应用中占据主导地位，但静电薄膜电容器同样扮演关键角色。这些设备由两片导电金属之间的在允许电压下不导电的材料构成，能利用施加的电场快速充放电，提供比电池更快的能量响应。薄膜电容器用于调节电力系统中的电能质量，例如通过抑制纹波电流和平滑电压波动，确保系统的稳定、安全及可靠运行。
聚合物作为薄膜电容器的理想在允许电压下不导电的材料，因其重量轻、柔韧性好以及在电场下的耐久性而备受青睐。不过，它们在高温环境下通常表现欠佳，这会削弱其绝缘性并影响整体效能。传统上，研究人员采用试错法寻找高性能聚合物，每次仅能合成和评估少量候选材料。
为了加快探索过程，团队开发并训练了一套基于前馈神经网络的机器学习模型，用以评估包含近5万种聚合物的库，以找到那些既耐高温，又能在强电场下保持高储能密度且易于合成的材料。这些模型识别出了3种特别有前景的聚合物。
随后，团队采用“点击化学”技术来高效合成这3种聚合物。这种技术允许分子结构块快速连接形成高质量产品。
在伯克利实验室的分子铸造厂，他们利用这些新材料制备了薄膜电容器，并对其进行了详细评估。结果显示，这些聚合物及其制成的电容器表现出色，特别是其中一种聚合物，它所制成的电容器展示了前所未有的耐热性、绝缘性能、单位体积内的包含的能量和效率。进一步的测试也证实了这些电容器拥有卓越的材料品质、操作稳定性和耐用性。
特别声明：本文转载只是出于传递信息的需要，并不代表代表本网站观点或证实其内容的真实性；如别的媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负版权等法律责任；作者若不希望被转载或者可以联系转载稿费等事宜，请与我们接洽。
FCS 文章精要：滑铁卢大学&中南大学——机器学习在药物副作用预测中的应用：数据库、方法和挑战
植物保护革命：植保所揭秘机器学习在作物病害预测中的应用 Engineering
FoAR 基于BIM和机器学习的基础物化阶段碳排放预测——以中国35座公共建筑为例
QB 伯晓晨/李昊/陈河兵团队合作提出从三维染色质结构中高效检测拷贝数变异的机器学习方法
多模态机器学习策略控制城市污水处理厂低碳智能曝气 Engineering
好奇语言润色服务？Taylor & Francis 优质润色返稿实例分享
