Die Leistung ist 11-mal stärker. Die Teams von Georgia Tech und Tsinghua nutzten KI, um bei der Entdeckung neuer Energiespeichermaterialien zu helfen, veröffentlicht im Nature-Unterjournal

Elektrostatische Kondensatoren sind wichtige Energiespeicherkomponenten in fortschrittlichen Energiesystemen in den Bereichen Verteidigung, Luftfahrt, Energie und Transport. Die Energiedichte ist der Leistungsfaktor eines elektrostatischen Kondensators und wird hauptsächlich durch die Wahl des dielektrischen Materials bestimmt.

Die meisten dielektrischen Polymermaterialien in Industriequalität sind flexible Polyolefine oder starre Aromaten, die entweder eine hohe Energiedichte oder eine hohe thermische Stabilität aufweisen, jedoch nicht beides gleichzeitig.

Hier nutzte ein Forschungsteam des Georgia Institute of Technology, der University of Connecticut und der Tsinghua University künstliche Intelligenz (KI), Polymerchemie und Molekulartechnik, um Polynorbornen und Poly-A-Dielektrika in der Imidfamilie zu entdecken.

Viele entdeckte Dielektrika weisen über einen weiten Temperaturbereich eine hohe thermische Stabilität und eine hohe Energiedichte auf. Eines der Dielektrika hat eine Energiedichte von 8,3 J/cm³ bei 200 °C, elfmal höher als jedes kommerziell erhältliche Polymerdielektrikum bei dieser Temperatur.

Die Forscher prüfen außerdem Möglichkeiten zur weiteren Verbesserung der Polynorbornen- und Polyimidfamilien, damit diese Kondensatoren in anspruchsvollen Anwendungen wie der Luft- und Raumfahrt gute Leistungen erbringen und gleichzeitig ökologisch nachhaltig sind.

Diese Ergebnisse erweitern die potenziellen Anwendungen elektrostatischer Kondensatoren im Temperaturbereich von 85–200 °C und zeigen auch den Einfluss künstlicher Intelligenz auf die Erzeugung chemischer Strukturen und die Vorhersage von Eigenschaften und verdeutlichen das Potenzial für Fortschritte im Materialdesign über elektrostatische Kondensatoren hinaus.

Die Forschung trug den Titel „KI-unterstützte Entdeckung von Hochtemperatur-Dielektrika zur Energiespeicherung“ und wurde am 19. Juli 2024 in „Nature Communications“ veröffentlicht.

Elektrostatische Kondensatoren spielen eine wichtige Rolle als Energiespeicher in modernen elektrischen Systemen. Im Vergleich zu anderen Energiespeichergeräten wie Batterien, Brennstoffzellen und Superkondensatoren bieten elektrostatische Kondensatoren eine hervorragende Leistungsdichte (107 W/kg) und werden in der Windneigungskontrolle (maximale Temperatur um 125 °C), Hybrid- und Hybrid-Kondensatoren eingesetzt Bereiche wie vollelektrische Fahrzeuge (ca. 150 °C), gepulste Energiesysteme (ca. 180 °C), Flugzeuge und Trägerraketen (ca. 300 °C) und Weltraumforschung (ca. 480 °C).

Allerdings bleibt es eine Herausforderung, die Energiedichte Ue von elektrostatischen Kondensatoren bei hohen Temperaturen deutlich zu erhöhen, was entscheidend ist, um erhebliche Platz- und Gewichtseinsparungen zu erzielen.

Derzeit wird biaxial orientiertes Polypropylen (BOPP) seit mehr als dreißig Jahren als dielektrisches Material verwendet. Obwohl BOPP einen geringen dielektrischen Verlust und eine große elektronische Bandlücke Eg aufweist, sind seine Dielektrizitätskonstante und seine Hochtemperaturstabilität schlecht.

BOPP-Alternativen mit hoher thermischer Stabilität wurden kommerziell untersucht, aber diese Polymere gehen oft zu Lasten eines niedrigen Eg- und Ue-Werts. Diese Materialien reichen nicht aus, um den Anforderungen moderner und zukünftiger Technologien gerecht zu werden.

Herausforderungen der Materialentdeckung

Die Leistung von Polymeren hängt weitgehend von ihrer chemischen Zusammensetzung ab. Die Zahl der Varianten, die durch chemische Umwandlungen aus einem einzigen Polymer hergestellt werden können, ist atemberaubend.

Unter all den chemischen Möglichkeiten von Polymeren gibt es möglicherweise noch viele hochleistungsfähige dielektrische Materialien, die noch entdeckt werden müssen. Eine geschulte und kalibrierte künstliche Intelligenz (KI), die in der Lage ist, riesige Datenmengen zu verarbeiten, die über die menschliche Vorstellungskraft hinausgehen, kann schnell dabei helfen, neue Materialien zu entdecken.

Eine effiziente Materialentdeckung umfasst die Auswahl oder Erzeugung eines chemischen Unterraums, die Schätzung der Eigenschaften jedes darin enthaltenen Materials und die anschließende Auswahl von Kandidatenmaterialien für die Synthese und Prüfung zumindest teilweise auf der Grundlage der geschätzten Eigenschaften.

Die Herausforderung besteht darin, (1) einen Subraum zu schaffen, der breit genug ist, um unbekannte neue Materialien zu entdecken, und gleichzeitig (2) hypothetische Materialien, die schwer zu synthetisieren sind (falsche Positive), einzuschränken. Darüber hinaus müssen Eigenschaftsschätzungen (3) genau und (4) effizient sein, wobei letzteres mit der Erweiterung chemischer Unterräume immer wichtiger wird.

Allerdings ist es nicht einfach, alle diese Probleme gleichzeitig zu lösen.

Neues Paradigma polyVERSE

Forscher des Georgia Institute of Technology, der Tsinghua University und anderer Institutionen schlugen das polyVERSE-Paradigma (Polymere, die durch Virtually-Executed Rule-Based Synthesis Experiments entworfen wurden) vor und demonstrierten die Verwirklichung dieser vier Eigenschaften im Kontext von High- Erfolgreiche Suche nach Temperatur-Dielektrikum.

In einem KI-gesteuerten Ansatz wird ein Expertensystem verwendet, um Polymere aus kommerziell erhältlichen Monomeren zu generieren, und ein Multitask-Graph-Neuronales Netzwerk wird verwendet, um Eigenschaften abzuschätzen. Mithilfe dieser Eigenschaftsschätzungen können vielversprechende Polymere aus größeren Populationen ausgewählt (gescreent) werden.

1. Innovatives Polynorbornen-Dielektrikum

Forscher entdeckten ein bisher unbekanntes Polynorbornen-Dielektrikum namens PONB-2Me5Cl.

2. Hervorragende Energiedichte

PONB-2Me5Cl은 200°C에서 8.3J/cc의 우수한 에너지 밀도를 가지며 이는 모든 상업용 대체 물질보다 높은 수치로 이 온도에서 보고된 최고의 폴리머 유전체 중 하나입니다.

3. 다른 폴리머와 비교할 때

200°C 미만에서 PONB-2Me5Cl의 에너지 밀도는 PSBNP-co-PTNI0.02에 이어 모든 상업용 폴리머보다 높습니다.

4. 합성 고려사항

PSBNP-co-PTNI0.02는 공중합체이므로 합성에 더 많은 단계가 필요할 수 있습니다. 또한 측정 프로토콜의 차이도 비교 결과에 영향을 미칠 수 있습니다.

PONB-2Me5Cl은 polyVERSE 알고리즘을 사용하여 실리코에서 발견되었으며 이후 합성 및 특성화되었습니다. 고성능 PONB-2Me5Cl 폴리머의 발견과 polyVERSE 패러다임의 개발은 이 작업의 두 가지 결과입니다.

또한 팀은 향후 고려해야 할 일련의 폴리머 설계 최적화를 제안했습니다. 여기에는 다음이 포함됩니다:

1. PONB-2Me5Cl의 개선된 버전 (R 그룹 엔지니어링 또는 나노필러 또는 코팅 추가로 달성)
2. 선택된 폴리이미드, 기존 기능성을 기반으로 연구원들이 선호하는 고온 폴리머 카테고리 .

이 디자인은 고온 Ue를 높이고 손실을 줄이는 동시에 합성에 녹색 용매를 사용할 수 있는 가능성을 보여줍니다.

많은 고분자 템플릿 중 하나를 사용하여 이 연구는 뛰어난 에너지 저장 기능을 갖춘 고급 고분자 유전체를 생산하는 데 있어 인공 지능의 힘을 보여줍니다.

논문 링크: https://www.nature.com/articles/s41467-024-50413-x

Das obige ist der detaillierte Inhalt vonDie Leistung ist 11-mal stärker. Die Teams von Georgia Tech und Tsinghua nutzten KI, um bei der Entdeckung neuer Energiespeichermaterialien zu helfen, veröffentlicht im Nature-Unterjournal. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!