人工智能在能源应用中识别耐热聚合物的潜力

来自 实验室仪器网

实验室和其他几家合作机构已成功应用机器学习技术来加速薄膜电容器材料的发现——薄膜电容器是电气化和可再生能源技术的关键部件。这项研究发表在《自然能源》杂志上。

该方法用于筛选近50,000种化学结构的数据库，从而确定了一种具有破纪录性能的化合物。这项研究强调了对能够承受高温、高功率应用的薄膜电容器的需求日益增长，例如电动汽车、电动航空、电力电子和航空航天。薄膜电容器也是逆变器中的关键元件，逆变器可将太阳能和风能转换为交流电供电网使用。
在科研人员之前的研究中，他们发现了一种可用于聚合物薄膜电容器的新型聚硫酸盐化合物。这些薄的聚硫酸盐膜保护电容器免受恶劣条件（包括高工作温度和强电场）造成的损坏。

电池作为可再生能源应用的关键部件，经常受到广泛关注，但静电薄膜电容器也发挥着至关重要的作用。这些设备由放置在两个导电金属片之间的绝缘材料组成。电池依靠化学反应在较长时间内存储和释放能量，而电容器则通过施加电场以更快的速度存储和释放能量。薄膜电容器是各种电力系统中调节电能质量不可或缺的元件。例如，它们有助于防止纹波电流并平滑电压波动，确保稳定、安全和可靠的运行。

聚合物是由重复化学单元组成的大分子，由于其重量轻、柔韧性强、在施加电场下的耐用性，非常适合用作薄膜电容器中的绝缘材料。然而，聚合物在承受许多电力系统应用中遇到的高温方面的能力有限。极端高温会降低其绝缘性能并导致性能下降。

传统上，研究人员依靠反复试验的方法来识别高性能聚合物，合成有限数量的候选聚合物并分别表征其特性。为了加快这一进程，研究团队开发并训练了前馈神经网络机器学习模型。这些模型筛选了近 50,000种聚合物库，以找出具有最佳性能组合的聚合物，包括耐高温和强电场、高储能密度和易于合成。这些模型突出了三种特别有前景的聚合物。

机器学习模型识别出的三种聚合物在先前研究中已经发现。使用一种名为“点击化学”的高效技术合成了这些化合物，该技术将分子构建块快速连接成高质量的产品。

研究人员用这些聚合物制造了薄膜电容器，并评估了它们的性能以及由此产生的电容器。分析显示，电容器具有强大的电气和热性能。用其中一种聚合物制成的电容器表现出创纪录的耐热性、绝缘性能、能量密度和效率的组合（高效电容器可最大限度地减少充电和放电过程中的能量损失）。额外的测试证实了电容器的卓越材料质量、操作稳定性和耐用性。

» 仪器设备 购买 咨询