商讨配景 松岛枫种子

电气化领域需要大意在高缓和强电场要求下端庄责任的高性能介电团聚物，但现存材料存在热端庄性差和高温下性能下落的残障。工业门径材料如聚丙烯在温度高于150 °C时性能显耀镌汰，而营业聚酰亚胺、聚醚酰亚胺等高玻璃化涟漪温度（Tg）的材料在高缓和强电场下由于热引发的电荷传输，性能也显豁退化。传统团聚物蓄意要领依赖警戒和直观，服从低下，难以舒适高性能材料快速发展的需求。通过集成机器学习和本质考证可加快耐热聚砜等高性能材料的发现，以舒适电气化的严苛应用需求。

后果简介

基于此，劳伦斯伯克利国度本质室刘毅商讨员、威斯康星大学麦迪逊分校李颖进修、好意思国斯克利普斯商讨所K. Barry Sharpless进修等东谈主相助建议了一种伙同机器学习预测与本质考证的高效责任经由，以快速筛选并合成高性能耐热聚砜。该商讨以“Machine learning-accelerated discovery of heat-resistant polysulfates for electrostatic energy storage”为题，发表在《Nature Energy》期刊上。这一糟蹋为下一代高温储能电容器的轻量化提供了要津材料，开辟了通过机器学习加快功能性团聚物征战的新标的。

商讨亮点

1、改变性机器学习加快材料筛选战略：商讨构建了前馈神经收罗（FNN）模子，针对玻璃化涟漪温度（Tg）和带隙（Eg）等要津性能主义，从5万种聚砜候选材料中快速筛选出高性能材料。伙同硫氟交换化学（SuFEx），完满了快速合成与本质考证，为高效材料发现提供了新表情。

2、糟蹋性的高温储能性能：所征战的聚砜材料在200 °C高温下展现出超卓的储能密度（6.37 J/cm³）和高的能量诓骗服从，并在极点高缓和强电场要求下保捏优异的介电端庄性，显耀杰出现时营业介电团聚物。

3、广袤的工业应用前程：本文蓄意的材料不仅具备高玻璃化涟漪温度（跳跃300 °C）和低损耗特质，还可制备柔性薄膜，支捏在电动汽车、航空航天等苛刻环境中的应用，为下一代高温储能电容器征战奠定了坚实基础。

图文导读

图1 聚砜的结构蓄意

图1展示了一个高效的材料征战责任经由，通过机器学习加快耐热聚砜的筛选和优化。最初，商讨团队构建了一个包含近50，000种聚砜的化学库，这些候选材料通过系统蓄意，优化了主链结构和取代基的种种性。随后，诓骗前馈神经收罗（FNN）模子对这些材料的玻璃化涟漪温度（Tg）和带隙（Eg）进行预测，从而筛选出热端庄性和电化学性能优异的候选材料。

为了完满快速合成，情色幽默商讨团队遴选硫氟交换化学（SuFEx）反映，通过模块化反映旅途高效制备了筛选出的聚砜。终末，本质考证了这些聚砜在高温环境下的性能，额外是P6材料的超卓进展，包括高玻璃化涟漪温度（跳跃300 °C）和优异的储能性能（6.37 J/cm³）。这一责任经由整合了机器学习预测和点击化学的高效特质，大幅普及了材料发现服从，为耐热高分子材料的快速征战提供了全新责罚决策。

图 2 基于机器学习的热性能和电子性能预测

图2展示了诓骗机器学习对聚砜候选材料进行化学空间分析与性能筛选的过程。通过t-SNE降维要领，商讨团队将高维的聚砜化学结构数据映射到二维平面，以可视化候选材料的分散特质。灰色点暗示考研数据，蓝色点为尚未筛选的候选材料，红色点为通过优化收受的要点聚砜材料。伙同玻璃化涟漪温度（Tg）和带隙（Eg）的预测甩手，商讨团队评估了模子在性能预测中的准确性，考证了模子对材料性质的高效预测身手（Tg和Eg的拟合度永别达到R² = 0.99和R² = 0.92）。

此外，通过征战Tg > 300 °C、Eg > 3.75 eV以及介电常数（k）和合成可行性（SA）的筛选门径，最终从近50，000种候选材料中筛选出6种性能优异的聚砜，其中P6因其超卓的热端庄性和电性能而脱颖而出。这种基于数据脱手的高效筛选要领不仅显耀普及了材料筛选服从，还为耐热高分子材料的快速征战提供了强有劲的工夫撑捏。

图3 聚砜的介电性能

图3展示了聚砜材料（尤其是P6）在高温要求下的介电性能和热端庄性进展，并与营业介电团聚物如Kapton PI和PEI进行了对比分析。本质甩手标明，P6在200 °C下也曾保捏端庄的介电常数（k ~3.37），且其介电损耗（tan δ）低至0.2%，显耀优于传统团聚物。这标明P6在高温环境中具有超卓的介电端庄性和低损耗特质。

此外，P6的击穿强度在高温环境下达到695 MV/m，远超营业材料，体现出优异的电绝缘性能和可靠性。图中还通过对比温度与介电性能的变化弧线，精通展示了P6在不同温度下的性能端庄性，与其他材料比拟，P6的温度统共（CT）低至0.013%/°C，进一步考证了其在高温下的电性能上风。

这些甩手施展注解，P6具有极高的热端庄性和电化学端庄性，可当作下一代高温储能电容器材料的理思候选者，为电动汽车和航空电子等高温环境下的储能需求提供了有用责罚决策。

图4 静电储能性能与可靠性

图4展示了P6材料在高缓和高电场要求下的储能性能及轮回端庄性。商讨标明，P6在200 °C和200 MV/m电场下的储能密度高达6.37 J/cm³，同期充放电服从跳跃90%，进展显耀优于现时营业介电团聚物。在更高电场（如400 MV/m）下，P6仍能看护高储能身手和服从，且性能极为端庄。在10万次轮回测试中，P6的储能性能下落幅度不及0.5%，进展出超卓的轮回端庄性。此外，图中还展示了P6薄膜的均匀性与加工质料，考证了其在工业界限上的可行性。通过与其他高性能团聚物对比，P6在储能密度、充放电服从和始终可靠性方面全面杰出了传统材料，如Kapton PI和PEI等。P6的优异性能为高温储能电容器的发展提供了可靠支捏，并展现了其在电动汽车和航空电子等高温苛刻应用场景中的后劲，为将来高温储能工夫开辟了新的标的。

论断瞻望

本商讨通过机器学习与硫氟交换化学（SuFEx）的伙同，快速筛选并合成了性能优异的耐热聚砜材料（如P6），展现了数据脱手材料发现要领的远大后劲。P6材料在200 °C高温下进展出超卓的储能性能、高介电端庄性和极低的能量损耗，同期具有精良的轮回端庄性和工业化加工后劲。这些特质使其成为下一代高温储能电容器的理思候选材料，为责罚电动汽车、航空电子等苛刻环境下的储能需求提供了有用责罚决策。

跟着机器学习算法的不休优化和本质数据库的推广，该要领有望进一步加快多功能高分子材料的征战，为更多高性能材料的探索与应用提供标的，鼓励储能工夫的捏续发展。

文件信息

Machine learning-accelerated discovery of heat-resistant polysulfates for electrostatic energy storage. Nature Energy松岛枫种子，