Huit fois plus résistantes que le matériau d'origine, des équipes de l'Université Tsinghua et de l'Institut de technologie de Wuhan ont utilisé l'IA pour tester des matériaux diélectriques à haute entropie

Éditeur | Les matériaux diélectriques en peau de radis peuvent stocker et libérer des charges et sont largement utilisés dans les condensateurs, l'électronique et les systèmes électriques. En raison de leur densité de puissance extrêmement élevée et de leurs caractéristiques de réponse rapide, ils sont utilisés dans des domaines tels que les véhicules électriques hybrides, les appareils électroniques portables et les systèmes à énergie pulsée, mais leur densité énergétique doit encore être améliorée. Les stratégies à haute entropie sont devenues une méthode efficace pour améliorer les performances de stockage d’énergie. Cependant, la découverte de nouveaux systèmes à haute entropie dans des espaces de composition de grande dimension constitue un défi de taille pour les expériences traditionnelles d’essais et d’erreurs. Sur la base de simulations de champ de phase et de données expérimentales limitées, des équipes de recherche de l'Université de technologie de Wuhan, de l'Université de Tsinghua et de l'Université d'État de Pennsylvanie ont proposé une méthode d'apprentissage génératif pour accélérer la découverte de l'apprentissage de haut niveau dans un espace d'exploration infini de plus de 10^ 11combinaisons.Matériaux diélectriques entropiques (HED). Ce travail fournit un moyen efficace et innovant de concevoir des matériaux diélectriques à haute entropie, réduisant considérablement le cycle expérimental. La recherche était intitulée « L’apprentissage génératif a facilité la découverte de diélectriques à haute entropycéramique pour le stockage capacitif d’énergie » et a été publiée dans « Nature Communications » le 10 juin 2024. Les matériaux diélectriques peuvent stocker et libérer des charges et sont le composant core

des condensateurs. Ils sont largement utilisés dans les véhicules électriques hybrides, les appareils électroniques portables et les systèmes d’alimentation pulsée en raison de leur densité de puissance élevée et de leurs caractéristiques de réponse rapide. De plus, les matériaux diélectriques sont essentiels dans les systèmes électroniques et électriques modernes, car ils prennent en charge la miniaturisation

et le fonctionnement à haut rendement des appareils. Cependant, les matériaux diélectriques traditionnels présentent des limites en termes de densité énergétique et de stabilité thermique. La stratégie multi-entropie peut améliorer considérablement ces propriétés en introduisant une variété d'éléments. Illustration : Simulation en champ de phase de l'impact de l'entropie de configuration (Sconfig) sur les performances du stockage d'énergie. (Source : article) Les céramiques à haute entropie améliorent les performances de stockage d'énergie en formant diverses structures de polarisation avec différents états de valence, rayons ioniques et électronégativités, améliorant ainsi la réponse de polarisation et la résistance au claquage. Actuellement, les méthodes expérimentales traditionnelles sont inefficaces et coûteuses pour découvrir de nouveaux systèmes à haute entropie. Pour relever ces défis, des équipes de recherche de l'Université Tsinghua, de l'Université de technologie de Wuhan et de l'Université d'État de Pennsylvanie ont construit un cadre basé sur l'apprentissage génératif basé sur de petites données expérimentales pour accélérer la découverte de la haute densité énergétique HED

.

Illustration : Présentation du cadre d'apprentissage génératif pour la conception à haute entropie. (Source : article) Afin de clarifier l'influence de l'entropie configurationnelle sur la réponse de polarisation, les chercheurs ont effectué des simulations de champ de phase pour calculer la boucle de champ électrique de polarisation (PE) et la densité d'énergie correspondante des HED avec différentes valeurs d'entropie. Les résultats montrent qu'à mesure que la valeur d'entropie augmente, la région de polarisation devient plus neutre et la densité d'énergie augmente de manière significative. À titre d’exemple expérimental, l’équipe a sélectionné Bi(Mg0.5Ti0.5)O3 (BMT) comme matrice originale et a conçu le HED en dopant simultanément ses sites A et B avec plusieurs éléments. En utilisant 77 ensembles de résultats expérimentaux comme données initiales, les chercheurs ont établi un modèle d’apprentissage génératif basé sur une architecture d’encodage-décodage et ont combiné la reconstruction des données et le réseau neuronal artificiel (ANN) pour trouver des combinaisons potentielles optimales à haute entropie. Illustration : phase

structure et analyse des propriétés électriques. (Source : article) Effectuez ensuite un échantillonnage probabiliste sur les petits échantillons de données existants, conservez deux décimales pour le contenu des éléments des positions A et B et définissez la somme de chaque position sur 1 pour construire une possibilité de près de 10 ^ 11 combinaisons.

espace, à la recherche de la combinaison optimale qui satisfait au critère d'entropie élevée. Ensuite, les cinq meilleures combinaisons avec les résultats prévus ont été sélectionnées parmi plus de 2 000 matériaux candidats, et cinq séries d'expériences ciblées ont été menées pour vérifier leur potentiel en termes de performances de stockage d'énergie.

Grafik: Energiespeicherleistung und Zyklenstabilität. (Quelle: Paper) Experimentelle Ergebnisse zeigen, dass der hergestellte hochentropische dielektrische Keramikfilm in Bezug auf Energiedichte und Durchschlagsfestigkeit deutlich besser ist als herkömmliche Materialien, insbesondere der C-3-Film unter dem elektrischen Feld von 5104 kV/cm Die Energiedichte erreicht 156 J/cm^3, was dem Achtfachen der ursprünglichen BMT (~18 J/cm^3)-Folie entspricht. Darüber hinaus untersuchte die Studie auch die Auswirkungen unterschiedlicher Glühtemperaturen auf die Leistung von Hochentropiefilmen und stellte fest, dass geeignete Glühtemperaturen die Energiespeicherleistung des Materials weiter verbessern können. Zusammenfassend lässt sich sagen, dass hochentropische Filme nicht nur ein hervorragendes Ermüdungsverhalten sowie Temperatur- und Frequenzstabilität aufweisen, sondern auch großes Potenzial für weit verbreitete Anwendungen in Energiespeicherkondensatoren aufweisen. Basierend auf einem durch maschinelles Lernen gesteuerten Paradigma nutzte das Team sehr spärliche experimentelle Daten, um effizient die gewünschten Verbundwerkstoffe mit hoher Entropie und hohen Energiespeichereigenschaften zu finden. Die Methode ermöglicht es Forschern außerdem, den gesamten experimentellen Zyklus deutlich zu verkürzen und eröffnet neue Möglichkeiten für die Gestaltung von Materialsystemen mit komplexen Komponenten. Papierlink: https://www.nature.com/articles/s41467-024-49170-8

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!