薄膜電容器是電氣化和可再生能源技術的關鍵部件。據(jù)外媒報道，美國能源部勞倫斯伯克利國家實驗室（Berkeley Lab）和多家合作機構成功演示了一種機器學習技術，以加速發(fā)現(xiàn)薄膜電容器材料。該技術可用于篩選化學結(jié)構庫（擁有近50000種化學結(jié)構），以識別具有破紀錄性能的化合物。

（圖片來源：伯克利實驗室）

威斯康星大學麥迪遜分校（University of Wisconsin–Madison）、斯克里普斯研究所（Scripps Research Institute）、加州大學伯克利分校（University of California, Berkeley）和南密西西比大學（University of Southern Mississippi）的其他合作人員貢獻了機器學習、化學合成和材料表征方面的專業(yè)知識。

伯克利實驗室研究人員Yi Liu表示：“為了實現(xiàn)經(jīng)濟高效、可靠的可再生能源技術，人們需要性能比現(xiàn)有材料更好的電容器材料。這項突破性篩選技術將有助于找到這些稀缺材料。”

現(xiàn)在，高溫、高功率應用對薄膜電容器的需求迅速增長，如電動汽車、電動航空、電力電子和航空航天等。另外，薄膜電容器也是逆變器中必不可少的元件，這些逆變器可將太陽能和風能發(fā)電轉(zhuǎn)換為電網(wǎng)使用的交流電。

薄膜電容器需要耐熱材料

靜電薄膜電容器由夾在兩個導電金屬片之間的絕緣材料組成。電池利用化學反應來長期儲存和釋放能量，而電容器則利用施加的電場來更快地充放電能。薄膜電容器可用于調(diào)節(jié)各種電力系統(tǒng)中的電能質(zhì)量，例如抑制紋波電流并平滑電壓波動，以確保穩(wěn)定、安全和可靠的運行狀態(tài)。

聚合物（具有重復化學單元的大分子）非常適合用作薄膜電容器中的絕緣材料，因為它們重量輕、柔韌性好，并且在施加的電場下具有耐久性。然而，在許多電力系統(tǒng)應用中，聚合物的耐高溫能力有限。高溫會降低聚合物的絕緣性能，并導致其性能下降。

將49700種聚合物縮小至三種

以往，研究人員通過反復試驗來尋找高性能聚合物，即每次合成幾種候選聚合物，然后表征其特性。但伯克利實驗室博士后研究員He Li表示：“這種方法太慢了，無法從數(shù)十萬種可能性中找到富有前景的分子?！?/p>

為了加速發(fā)現(xiàn)過程，該團隊開發(fā)并訓練了一套機器學習模型，即前饋神經(jīng)網(wǎng)絡，以篩選擁有近50000種聚合物的結(jié)構庫，從而獲得最佳性能組合，比如耐高溫和強電場、高儲能密度和易于合成等。這些模型確定了三種特別有前景的聚合物。

斯克里普斯研究所的研究人員利用強大的“點擊化學（click chemistry）”技術合成了這三種聚合物。該技術可以快速高效地將分子構建塊連接在一起，以形成高質(zhì)量產(chǎn)品。

在伯克利實驗室分子鑄造廠（Molecular Foundry），研究人員用這些聚合物制造了薄膜電容器，然后對聚合物和電容器進行評估。該團隊發(fā)現(xiàn)，它們具有出色的電氣性能和熱性能。使用其中一種聚合物制成的電容器，表現(xiàn)出創(chuàng)紀錄的耐熱性、絕緣性能、能量密度和效率組合（高效電容器在充放電時浪費的能量非常少）。額外測試表明，這些電容器具有卓越的材料質(zhì)量、操作穩(wěn)定性和耐用性。

制作更好的模型

該團隊正在考慮若干后續(xù)研究路線。研究人員表示，一個想法是設計機器學習模型，以便更深入地了解聚合物的結(jié)構如何影響其性能。另一潛在研究領域是開發(fā)生成式人工智能模型，訓練這些模型來設計高性能聚合物，而無需篩選庫。

斯克里普斯研究所WM Keck化學教授Sharpless表示：“我們的人工智能分析迅速確定了聚合物設計細節(jié)中的一些關鍵變量，預計這些變量將大大改善聚硫酸鹽膜的屏蔽性能。這些最早的機器學習預測因子是通過實驗得出的，可用于改善電容器?！?/p>

該研究得到了美國能源部科學辦公室的支持。