ホームページ  >  記事  >  テクノロジー周辺機器  >  ジョージア工科大学と清華大学のチームは、新しいエネルギー貯蔵材料の発見を支援するために AI を使用したと、Nature サブジャーナルに掲載されました。

ジョージア工科大学と清華大学のチームは、新しいエネルギー貯蔵材料の発見を支援するために AI を使用したと、Nature サブジャーナルに掲載されました。

WBOY
WBOYオリジナル
2024-07-24 17:42:52290ブラウズ

ジョージア工科大学と清華大学のチームは、新しいエネルギー貯蔵材料の発見を支援するために AI を使用したと、Nature サブジャーナルに掲載されました。

Éditeur | Radis Skin

Les condensateurs électrostatiques sont des composants clés de stockage d'énergie dans les systèmes électriques avancés dans les domaines de la défense, de l'aviation, de l'énergie et des transports. La densité énergétique est la valeur de mérite d'un condensateur électrostatique et est principalement déterminée par le choix du matériau diélectrique.

La plupart des matériaux diélectriques polymères de qualité industrielle sont des polyoléfines flexibles ou des aromatiques rigides qui ont soit une densité énergétique élevée, soit une stabilité thermique élevée, mais pas les deux en même temps.

Ici, une équipe de recherche du Georgia Institute of Technology, de l'Université du Connecticut et de l'Université Tsinghua a utilisé l'intelligence artificielle (IA), la chimie des polymères et l'ingénierie moléculaire pour découvrir le polynorbornène et la gamme poly A de diélectriques de la famille des imides.

De nombreux diélectriques découverts présentent une stabilité thermique élevée et une densité énergétique élevée sur une large plage de températures. L'un des diélectriques a une densité d'énergie de 8,3 J/cc à 200 °C, 11 fois supérieure à celle de n'importe quel diélectrique polymère disponible dans le commerce à cette température.

Les chercheurs évaluent également les moyens d'améliorer davantage les familles de polynorbornène et de polyimide afin que ces condensateurs puissent fonctionner correctement dans des applications exigeantes telles que l'aérospatiale tout en étant respectueux de l'environnement.

Ces résultats élargissent les applications potentielles des condensateurs électrostatiques dans la plage de températures de 85 à 200°C ; démontrent également l'impact de l'intelligence artificielle sur la génération de structures chimiques et la prédiction des propriétés, soulignant le potentiel de progrès dans la conception de matériaux au-delà des condensateurs électrostatiques.

La recherche s'intitulait "Découverte assistée par l'IA de diélectriques à haute température pour le stockage d'énergie" et a été publiée dans "Nature Communications" le 19 juillet 2024.

ジョージア工科大学と清華大学のチームは、新しいエネルギー貯蔵材料の発見を支援するために AI を使用したと、Nature サブジャーナルに掲載されました。

Les condensateurs électrostatiques nécessitent de nouveaux matériaux

Les condensateurs électrostatiques jouent un rôle essentiel en tant que dispositifs de stockage d'énergie dans les systèmes électriques modernes. Comparés à d'autres dispositifs de stockage d'énergie tels que les batteries, les piles à combustible et les supercondensateurs, les condensateurs électrostatiques offrent une excellente densité de puissance (107 W/kg) et sont utilisés dans le contrôle du tangage du vent (température maximale autour de 125 °C), hybrides et présentent des avantages dans divers domaines. des domaines tels que les véhicules entièrement électriques (environ 150 °C), les systèmes d'énergie pulsée (environ 180 °C), les avions et les lanceurs (environ 300 °C) et l'exploration spatiale (environ 480 °C).

Il reste cependant un défi à relever pour augmenter significativement la densité énergétique Ue des condensateurs électrostatiques à haute température, ce qui est crucial pour réaliser des économies significatives d'espace et de poids.

Actuellement, le polypropylène à orientation biaxiale (BOPP) est utilisé comme matériau diélectrique depuis plus de trente ans. Bien que le BOPP ait une faible perte diélectrique et une grande bande interdite électronique, par exemple, sa constante diélectrique et sa stabilité à haute température sont médiocres.

Des alternatives au BOPP à haute stabilité thermique ont été explorées commercialement, mais ces polymères se font souvent au détriment d'un faible Eg et d'un faible Ue. Ces matériaux sont insuffisants pour répondre aux besoins des technologies modernes et futures.

Les défis de la découverte des matériaux

Les performances des polymères dépendent en grande partie de leur composition chimique. Le nombre de variantes pouvant être produites à partir d’un seul polymère par transformation chimique est stupéfiant.

Parmi toutes les possibilités chimiques des polymères, il reste peut-être de nombreux matériaux diélectriques hautes performances à découvrir. L’intelligence artificielle (IA), entraînée et calibrée, capable de traiter de grandes quantités de données dépassant l’imagination humaine, peut rapidement aider à découvrir de nouveaux matériaux.

Une découverte efficace de matériaux implique la sélection ou la génération d'un sous-espace chimique, l'estimation des propriétés de chaque matériau qu'il contient, puis la sélection de matériaux candidats pour la synthèse et les tests sur la base au moins en partie des propriétés estimées.

Le défi est de (1) créer un sous-espace suffisamment large pour découvrir de nouveaux matériaux inconnus tout en (2) limiter les matériaux hypothétiques difficiles à synthétiser (faux positifs). De plus, les estimations des propriétés doivent être (3) précises et (4) efficaces, cette dernière devenant de plus en plus importante à mesure que les sous-espaces chimiques se développent.

Cependant, résoudre tous ces problèmes en même temps n’est pas facile.

Nouveau paradigme polyVERSE

Des chercheurs du Georgia Institute of Technology, de l'Université Tsinghua et d'autres institutions ont proposé le paradigme polyVERSE (polymères conçus par des expériences de synthèse basées sur des règles virtuellement exécutées), démontrant la réalisation de ces quatre propriétés dans le contexte de hautes technologies. succès de la recherche diélectrique de température.

Dans une approche basée sur l'IA, un système expert est utilisé pour générer des polymères à partir de monomères disponibles dans le commerce et un réseau neuronal graphique multitâche est utilisé pour estimer les propriétés. Ces estimations de propriétés peuvent être utilisées pour sélectionner (cribler) des polymères prometteurs à partir de populations plus importantes.

ジョージア工科大学と清華大学のチームは、新しいエネルギー貯蔵材料の発見を支援するために AI を使用したと、Nature サブジャーナルに掲載されました。

Illustration : Conception assistée par IA de polymères pour le stockage d'énergie. (Source : Papier)

1. Diélectrique polynorbornène innovant

Les chercheurs ont découvert un diélectrique polynorbornène jusqu'alors inconnu appelé PONB-2Me5Cl.

2. Excellente densité énergétique

PONB-2Me5Cl は、200°C で 8.3 J/cc という優れたエネルギー密度を持ち、すべての市販代替品よりも高く、この温度で報告されている最高のポリマー誘電体の 1 つです。

3. 他のポリマーと比較して

200°C 未満では、PONB-2Me5Cl のエネルギー密度もすべての市販ポリマーのエネルギー密度よりも高く、PSBNP-co-PTNI0.02 に次いで 2 番目です。

4. 合成に関する考慮事項

PSBNP-co-PTNI0.02 はコポリマーであるため、その合成にはより多くのステップが必要になる場合があります。さらに、測定プロトコルの違いも比較結果に影響を与える可能性があります。

ジョージア工科大学と清華大学のチームは、新しいエネルギー貯蔵材料の発見を支援するために AI を使用したと、Nature サブジャーナルに掲載されました。

図: 誘電体空隙の充填。 (出典: 論文)

PONB-2Me5Cl は、polyVERSE アルゴリズム を使用してコンピュータで発見され、その後合成され、特性評価されました。 高性能PONB-2Me5Clポリマーの発見とpolyVERSEパラダイムの開発は、この研究の2つの成果です。

さらに、チームは、将来的に検討する必要がある一連のポリマー設計の最適化を提案しました。これらには以下が含まれます:

  1. PONB-2Me5Clの改良版 (Rグループエンジニアリング、またはナノフィラーやコーティングの追加によって達成)
  2. 研究者が既存の機能に基づいて選択したポリイミド 高温ポリマーが好ましいカテゴリーです。

これらの設計は、合成に環境に優しい溶媒の使用を可能にしながら、高温 Ue を増加させ、損失を削減する可能性を示しています。

多くのポリマーテンプレートのうちの 1 つだけを使用して、この研究は、優れたエネルギー貯蔵能力を備えた高度なポリマー誘電体を製造する際の 人工知能 の力を実証しています。

論文リンク: https://www.nature.com/articles/s41467-024-50413-x

以上がジョージア工科大学と清華大学のチームは、新しいエネルギー貯蔵材料の発見を支援するために AI を使用したと、Nature サブジャーナルに掲載されました。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。

声明:
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。