AI导读：

美国劳伦斯伯克利国家实验室利用机器学习技术发现适用于薄膜电容器的新型材料，这对电气化和可再生能源领域具有重大意义。研究成果已在《自然·能源》杂志上发表。

美国能源部劳伦斯伯克利国家实验室携手多家合作机构，成功演示了一项创新的机器学习技术，该技术旨在挖掘适用于薄膜电容器的新型材料。这一突破性进展对电气化和可再生能源领域具有重大意义，因为薄膜电容器在这些领域中发挥着不可替代的作用。研究团队运用该技术，从近5万种化学结构中精心挑选出一种性能卓越的化合物，相关研究成果已在《自然·能源》杂志上发表。

尽管电池在可再生能源应用中占据核心地位，但静电薄膜电容器同样发挥着关键作用。这些设备由两片导电金属和中间的绝缘材料构成，能够利用施加的电场迅速充放电，提供比电池更快捷的能量响应。薄膜电容器在电力系统中主要用于调节电能质量，例如抑制纹波电流和平滑电压波动，确保电力系统的稳定、安全及高效运行。

聚合物作为薄膜电容器的理想绝缘材料，因其质轻、柔韧及在电场下的耐久特性而广受青睐。然而，它们在高温环境下往往表现不佳，这会影响其绝缘性能和整体效能。传统上，研究人员采用试错法来寻找高性能聚合物，但这种方法每次仅能合成和评估少量候选材料，效率低下。

为了加速探索进程，研究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，该模型能够评估包含近5万种聚合物的库，从中筛选出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。这些模型成功识别出三种极具潜力的聚合物。

接下来，团队采用“点击化学”技术高效合成了这三种聚合物。这种技术允许分子结构块快速连接，从而生成高质量产品。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，并进行了全面评估。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制成的电容器，展示了前所未有的耐热性、绝缘性能、能量密度和效率。进一步的测试也验证了这些电容器具备卓越的材料品质、操作稳定性和耐用性。

（图片来源：科技日报，版权归原作者所有）