性能强11倍，佐治亚理工、清华团队用AI辅助发现储能新材料，登Nature子刊

科技周边不知道大家是否熟悉？今天我将给大家介绍《性能强11倍，佐治亚理工、清华团队用AI辅助发现储能新材料，登Nature子刊》，这篇文章主要会讲到等等知识点，如果你在看完本篇文章后，有更好的建议或者发现哪里有问题，希望大家都能积极评论指出，谢谢！希望我们能一起加油进步！

静电电容器是国防、航空、能源和交通领域先进电力系统中的关键储能元件。能量密度是静电电容器的品质因数，主要由介电材料的选择决定。

大多数工业级聚合物介电材料都是柔性聚烯烃或刚性芳族化合物，具有高能量密度或高热稳定性，但不能同时具有这两种特性。

在这里，佐治亚理工学院（Georgia Institute of Technology）、康涅狄格大学（University of Connecticut）以及清华大学的研究团队利用人工智能（AI）、聚合物化学和分子工程，来发现聚降冰片烯和聚酰亚胺系列中的一系列电介质。

许多发现的电介质在很宽的温度范围内表现出高热稳定性和高能量密度。其中一种电介质在 200 °C 时的能量密度为 8.3 J/cc，是此温度下任何市售聚合物电介质的 11 倍。

研究人员还评估了进一步增强聚降冰片烯和聚酰亚胺系列的途径，使这些电容器在要求苛刻的应用（例如航空航天）中表现良好，同时又具有环境可持续性。

这些发现扩展了静电电容器在 85-200°C 温度范围内的潜在应用；也展示了人工智能对化学结构生成和性质预测的影响，凸显了超越静电电容器的材料设计进步的潜力。

该研究以「AI-assisted discovery of high-temperature dielectrics for energy storage」为题，于 2024 年 7 月 19 日发布在《Nature Communications》。

静电电容器作为现代电气系统中的储能设备，有着至关重要的作用。与其他储能设备（如电池、燃料电池和超级电容器）相比，静电电容器提供了优异的功率密度（107 W/kg），在风力变桨控制（最高温度约 125 °C）、混合动力和全电动汽车（约 150 °C）、脉冲功率系统（约 180 °C）、飞机及发射器（约 300 °C）和太空探索（约 480 °C）等多个领域具有优势。

然而，显著提高静电电容器在高温下的能量密度 Ue 仍是挑战，这对于实现空间和重量的显著节省至关重要。

目前，双轴取向聚丙烯（BOPP）作为介电材料已使用三十余年。虽然 BOPP 具有低介电损耗和大电子带隙 Eg，但其介电常数和高温稳定性较差。

商业上已探索了具有高热稳定性的 BOPP 替代品，但这些聚合物通常以低 Eg 和低 Ue 为代价。这些材料不足以满足现代和未来技术的需求。

材料发现的挑战

聚合物的性能很大程度上取决于其化学成分。通过化学变换，单一聚合物可产生的变种数量惊人。

在所有聚合物的化学可能性中，可能存在许多高性能介电材料有待发现。训练有素并校准的人工智能（AI），能够处理超出人类想象的大量数据，可以快速帮助发现新材料。

有效发现材料涉及选择或生成化学子空间、估计其中每种材料的属性，然后至少部分地基于估计的属性选择候选材料进行合成和测试。

挑战在于：(1) 创建足够广阔的子空间来发现未知的新材料，同时 (2) 限制难以合成的假设材料（假阳性）。此外，性质估计必须 (3) 准确且 (4) 高效，随着化学子空间的扩大，后者变得越来越重要。

但是，同时解决所有这些问题并非易事。

新范式 polyVERSE

佐治亚理工学院、清华大学等机构的研究人员提出了 polyVERSE（polymers designed by Virtually-Executed Rule-Based Synthesis Experiments）范式，展示了其在高温电介质搜索背景下实现这四个属性的成功。

在人工智能驱动的方法中，使用专家系统从市售单体生成聚合物，并使用多任务图神经网络估计特性。这些特性估计可用于从较大的群体中选择（筛选）有前景的聚合物。

1. 创新性聚降冰片烯电介质

研究人员发现了一种之前未知的聚降冰片烯电介质，名为 PONB-2Me5Cl。

2. 出色的能量密度

在 200°C 时，PONB-2Me5Cl 具有 8.3 J/cc 的出色能量密度，高于所有商业替代品，使其成为在此温度下报道的最佳聚合物电介质之一。

3. 与其他聚合物比较

在 200°C 以下，PONB-2Me5Cl 的能量密度也高于所有商业聚合物，仅次于 PSBNP-co-PTNI0.02。

4. 合成考虑

由于 PSBNP-co-PTNI0.02 是一种共聚物，其合成可能需要更多步骤。此外，测量协议的差异也可能影响比较结果。

PONB-2Me5Cl 是使用 polyVERSE 算法 在计算机中发现的，随后进行了合成和表征。高性能 PONB-2Me5Cl 聚合物的发现 和 polyVERSE 范式的开发 是这项工作的两个成果。

此外，该团队提出了一系列未来需要考虑的聚合物设计优化。这些包括：

1. PONB-2Me5Cl 的改良版本 （通过 R 基团工程或加入纳米填料或涂层实现）
2. 精选聚酰亚胺，这是研究人员根据现有的功能性高温聚合物优先考虑的一类。

这些设计显示出提高高温 Ue 和减少损失的潜力，同时还允许使用绿色溶剂进行合成。

仅使用众多聚合模板中的一种，这项研究就展示了 人工智能 在生产具有出色能量存储能力的先进聚合物电介质方面的强大功能。

论文链接： https://www.nature.com/articles/s41467-024-50413-x

理论要掌握，实操不能落！以上关于《性能强11倍，佐治亚理工、清华团队用AI辅助发现储能新材料，登Nature子刊》的详细介绍，大家都掌握了吧！如果想要继续提升自己的能力，那么就来关注golang学习网公众号吧！