说起储能设备,人们最熟悉的当然是电池,它们可以将电能转化为化学能储存起来,电容器则是以电场形式存储能量,在给定体积内,它们储存的能量可能没有电池多,但它们可以反复充电并且不会失去保持电量的能力。而超级电容器可以比普通电容器存储更多的电荷,并且比电池充电和放电更快,是新能源汽车日趋普及的今天一个非常重要的研究方向。
近日,美国橡树岭国家实验室(ORNL)的研究人员在机器学习的指导下,设计了一种创纪录的碳基超级电容材料,它储存的能量是当前最佳商业材料的4倍。用这种新材料制造的超级电容器可储存更多的能量,从而改善再生制动系统、电力电子设备和辅助电源,成功地将碳基超级电容器的储能边界推向了一个新的水平。
商用超级电容器有阳极和阴极两个电极,它们是分开浸泡在电解液中的。在电解液和碳之间的界面上,双电层可逆地分离电荷。而制造超级电容器电极的首选材料是多孔碳,因为这些孔为存储静电电荷提供了很大的表面积。
据介绍,该研究团队利用机器学习建立了一个人工神经网络模型,通过对模型加以训练来开发一种用于能量传输的“梦幻材料”。该模型预测,如果碳与氧和氮共掺杂,碳电极的最高电容将会达到每克570法拉。基于此,研究团队设计了一种多孔掺杂碳,可为界面电化学反应提供巨大的表面积,最终成功地合成出了这种用于存储和传输电荷的富氧碳框架材料。这种材料的电容为每克611法拉,是典型商业材料的4倍,并且这种材料的表面积是含碳材料中最高的记录之一,每克重量的表面积超过4000平方米。
这种材料之所以能取得如此高的性能,主要是归功于这种富氧碳框架中的两种孔隙——2至50nm之间的中孔/小于2nm的微孔,较小的微孔为材料提供了更大的表面来存储电荷,而较大的中孔则像高速公路一样,可以加快充电/放电速率,大小孔隙数量的平衡最终成功推进实现了最佳性能。
机器学习引导材料合成的流程 来源:《自然-通讯》
据悉,该研究使用的数据驱动的机器学习方法极大的加快了研究进程,过去想要实现相同的目标至少需要一年的时间,现在仅需要三个月。而在这项研究中,研究人员仅仅使用了当时情况下最好的数据,但现在他们又拥有了更多的边界数据可以用来训练下一步研究的机器学习模型,可以进一步加速超级电容器碳材料的开发和优化。
-
超级电容器
+关注
关注
19文章
405浏览量
28639 -
制动系统
+关注
关注
0文章
123浏览量
15778 -
机器学习
+关注
关注
66文章
8337浏览量
132255
发布评论请先 登录
相关推荐
评论