編集者 | 大根の皮の誘電体材料は電荷を蓄積および放出することができ、コンデンサ、電子機器、電力システムで広く使用されています。非常に高い出力密度と高速応答特性を備えているため、ハイブリッド電気自動車、携帯電子機器、パルスパワーシステムなどの分野で使用されていますが、エネルギー密度のさらなる向上が求められています。高エントロピー戦略は、エネルギー貯蔵性能を向上させる効果的な方法となっていますが、高次元組成空間で新しい高エントロピーシステムを発見することは、従来の試行錯誤実験にとって大きな課題です。武漢理工大学、清華大学、ペンシルバニア州立大学の研究チームは、位相場シミュレーションと限られた実験データに基づいて、
10^ 以上の無限の探査空間における高度な学習の発見を加速する生成学習手法を提案しました。 11のエントロピー誘電体材料 (HED) の組み合わせ。この研究は、高エントロピー誘電体材料を設計する効果的かつ革新的な方法を提供し、実験サイクルを大幅に短縮します。この研究は「生成学習により、容量性エネルギー貯蔵のための高エントロピーセラミック誘電体の発見が促進された」と題され、2024年6月10日に「Nature Communications」に掲載された。
誘電体材料は電荷を蓄積および放出することができ、コンデンサのコア
コンポーネントです。これらは、高い電力密度と高速応答特性により、ハイブリッド電気自動車、携帯型電子機器、パルス電源システムで広く使用されています。さらに、誘電体材料は現代の電子および電力システムにおいて重要であり、デバイスの 
小型化
と高効率動作をサポートします。ただし、従来の誘電体材料にはエネルギー密度と熱安定性に限界がありました。マルチエントロピー戦略では、さまざまな元素を導入することでこれらの特性を大幅に改善できます。
図: エネルギー貯蔵性能に対する構成エントロピー (S
config) の影響の位相場シミュレーション。 (出典: 論文) 高エントロピー セラミックは、異なる価数状態、イオン半径、電気陰性度を持つ多様な分極構造を形成し、分極応答と破壊強度を向上させることでエネルギー貯蔵性能を向上させます。現在、新しい高エントロピーシステムを発見するには、従来の実験方法は非効率的でコストがかかります。これらの課題に対処するために、清華大学、武漢理工大学、ペンシルバニア州立大学の研究チームは、高エネルギー密度HED
の発見を加速するために、小規模な実験データに基づいた生成学習ベースのフレームワークを構築しました。 
図: 高エントロピー設計のための生成学習フレームワークの概要。 (出典: 論文) 分極応答に対する配置エントロピーの影響を明らかにするために、研究者らは位相場シミュレーションを実行して、分極電場 (P-E) ループと、異なるエントロピー値を持つ HED の対応するエネルギー密度を計算しました。結果は、エントロピー値が増加するにつれて、分極領域がより中性になり、エネルギー密度が大幅に増加することを示しています。実験例として、研究チームは元のマトリックスとして Bi(Mg0.5Ti0.5)O3 (BMT) を選択し、その A サイトと B サイトに複数の元素を同時にドープすることで HED を設計しました。研究者らは、初期データとして 77 セットの実験結果を使用して、符号化/復号化アーキテクチャに基づく生成学習モデルを確立し、データ再構成と人工ニューラル ネットワーク (ANN) を組み合わせて、潜在的な最適な高エントロピーの組み合わせを見つけました。 イラスト: 相
構造
と電気的特性分析。 (出典: 論文) 次に、既存の小さなサンプル データに対して確率サンプリングを実行し、位置 A と B の要素内容の小数点以下 2 桁を保持し、各位置の合計を 1 に設定して、10^11 に近い組み合わせの可能性を構築します。
宇宙
、高エントロピー基準を満たす最適な
の組み合わせを探しています。次に、2,000 を超える候補材料から、結果が予測された上位 5 つの組み合わせがスクリーニングされ、エネルギー貯蔵性能における可能性を検証するために 5 セットの対象実験が実施されました。 
グラフィック: エネルギー貯蔵性能とサイクル安定性。 (出典: 論文) 実験結果は、調製された高エントロピーセラミック誘電体膜が、エネルギー密度と破壊強度の点で従来の材料よりも大幅に優れていることを示しており、特に5104 kV/cmの電場下でのC-3膜は顕著である。 エネルギー密度は156 J/cm^3に達し、これはオリジナルのBMT (~18 J/cm^3)フィルムの8倍です。さらに、この研究では、高エントロピー膜の性能に対するさまざまなアニーリング温度の影響も調査され、適切なアニーリング温度によって材料のエネルギー貯蔵性能がさらに向上することがわかりました。要約すると、高エントロピー膜は優れた疲労性能と温度と周波数の安定性を備えているだけでなく、エネルギー貯蔵コンデンサーに広く応用できる大きな可能性を示しています。機械学習主導のモデルに基づいて、チームは非常にまばらな実験データを活用して、高エネルギー貯蔵特性を備えた目的の高エントロピー複合材料を効率的に見つけました。また、この方法により、研究者は全体的な実験サイクルを大幅に短縮でき、複雑なコンポーネントを含む材料システムを設計するための新しい道が開かれます。
以上が元の材料よりも 8 倍強度が高く、清華大学と武漢工業大学のチームは AI を使用して高エントロピー誘電体材料をスクリーニングしたの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。
