원본 재료보다 8배 더 강한 칭화대학교와 우한 공과대학 팀은 AI를 사용하여 고엔트로피 유전체 재료를 스크리닝했습니다.

Editor | 래디쉬 스킨 유전체 재료는 전하를 저장하고 방출할 수 있으며 커패시터, 전자 제품 및 전력 시스템에 널리 사용됩니다. 매우 높은 전력 밀도와 빠른 응답 특성으로 인해 하이브리드 전기 자동차, 휴대용 전자 장치 및 펄스 전력 시스템과 같은 분야에 사용되지만 에너지 밀도는 여전히 더 향상되어야 합니다. 고엔트로피 전략은 에너지 저장 성능을 향상시키는 효과적인 방법이 되었습니다. 그러나 고차원 구성 공간에서 새로운 고엔트로피 시스템을 발견하는 것은 전통적인 시행착오 실험에 있어서 큰 도전입니다. 위상 필드 시뮬레이션과 제한된 실험 데이터를 기반으로 우한 공과대학교, 칭화대학교, 펜실베이니아 주립대학교 연구팀은 10^ 이상의 무한 탐색 공간에서 고급 학습의 발견을 가속화하는 생성 학습 방법을 제안했습니다. 11조합. 엔트로피 유전체 재료(HED). 이 연구는 고엔트로피 유전체 재료를 설계하는 효과적이고 혁신적인 방법을 제공하여 실험 주기를 크게 단축합니다. 이 연구의 제목은 "생성 학습으로 용량성 에너지 저장을 위한 고엔트로피세라믹 유전체의 발견을 촉진했습니다"였으며 2024년 6월 10일 "Nature Communications"에 게재되었습니다. 유전체 재료는 전하를 저장하고 방출할 수 있으며 커패시터의 핵심

구성 요소입니다. 높은 전력 밀도와 빠른 응답 특성으로 인해 하이브리드 전기 자동차, 휴대용 전자 장치 및 펄스 전력 시스템에 널리 사용됩니다. 또한 유전체 재료는 현대 전자 및 전력 시스템에서 매우 중요하며 장치의 소형화

및 고효율 작동을 지원합니다. 그러나 전통적인 유전체 재료는 에너지 밀도와 열 안정성에 한계가 있습니다. 다중 엔트로피 전략은 다양한 요소를 도입하여 이러한 특성을 크게 향상시킬 수 있습니다. 그림: 구성 엔트로피(Sconfig)가 에너지 저장 성능에 미치는 영향에 대한 위상 필드 시뮬레이션. (출처: 논문) 고엔트로피 세라믹은 서로 다른 원자가 상태, 이온 반경, 전기 음성도를 갖는 다양한 분극 구조를 형성하여 분극 반응 및 파괴 강도를 향상시켜 에너지 저장 성능을 향상시킵니다. 현재 전통적인 실험 방법은 새로운 고엔트로피 시스템을 발견하는 데 비효율적이고 비용이 많이 듭니다. 이러한 과제를 해결하기 위해 칭화대학교, 우한 공과대학교, 펜실베이니아 주립대학교 연구팀은 작은 실험 데이터를 기반으로 생성 학습 기반 프레임워크를 구축하여 높은 에너지 밀도 HED

의 발견을 가속화했습니다.

그림: 고엔트로피 설계를 위한 생성 학습 프레임워크 개요. (출처: 논문) 구성 엔트로피가 분극 반응에 미치는 영향을 명확히 하기 위해 연구진은 위상장 시뮬레이션을 수행하여 P-E(분극-전기장) 루프와 다양한 엔트로피 값을 갖는 HED의 해당 에너지 밀도를 계산했습니다. 결과는 엔트로피 값이 증가함에 따라 분극 영역이 더 중립적이 되고 에너지 밀도가 크게 증가한다는 것을 보여줍니다. 실험 사례로 연구팀은 Bi(Mg0.5Ti0.5)O3(BMT)를 원본 매트릭스로 선택하고 A 사이트와 B 사이트에 여러 원소를 동시에 도핑하여 HED를 설계했습니다. 연구진은 77개 세트의 실험 결과를 초기 데이터로 사용해 인코딩-디코딩 아키텍처 기반 생성 학습 모델을 구축하고 데이터 재구성과 인공 신경망(ANN)을 결합해 잠재적인 최적의 고엔트로피 조합을 찾았습니다. 그림: 위상

구조 및 전기적 특성 분석. (출처: 논문) 그런 다음 기존 소규모 표본 데이터에 대해 확률 샘플링을 수행하고 위치 A와 B의 요소 함량에 대해 소수점 두 자리를 유지하고 각 위치의 합을 1로 설정하여 10^11에 가까운 조합의 가능성을 구축합니다. .

space, 높은 엔트로피 기준을 만족하는 최적 조합을 찾습니다. 그런 다음, 예상 결과가 있는 상위 5개 조합을 2,000개 이상의 후보 물질 중에서 선별하고, 에너지 저장 성능의 잠재력을 검증하기 위해 5개 세트의 표적 실험을 수행했습니다.

그래픽: 에너지 저장 성능 및 주기 안정성. (출처: 논문) 실험 결과 준비된 고엔트로피 세라믹 유전체 필름은 에너지 밀도 및 파괴 강도 측면에서 기존 재료보다 훨씬 우수하며, 특히 5104 kV/cm 전기장에서 C-3 필름이 우수한 것으로 나타났습니다. 에너지 밀도는 156 J/cm^3에 달하며 이는 원래 BMT(~18 J/cm^3) 필름의 8배입니다. 또한, 이 연구에서는 다양한 어닐링 온도가 고엔트로피 필름의 성능에 미치는 영향을 조사했으며, 적절한 어닐링 온도가 재료의 에너지 저장 성능을 더욱 향상시킬 수 있음을 발견했습니다. 요약하면, 고엔트로피 필름은 우수한 피로 성능, 온도 및 주파수 안정성을 가질 뿐만 아니라 에너지 저장 커패시터에 널리 응용할 수 있는 큰 잠재력을 보여줍니다. 기계 학습 기반 모델을 기반으로 팀은 매우 희박한 실험 데이터를 활용하여 높은 에너지 저장 특성을 갖춘 원하는 고엔트로피 복합재를 효율적으로 찾았습니다. 또한 이 방법을 통해 연구자들은 전체 실험 주기를 크게 단축하고 복잡한 구성 요소로 재료 시스템을 설계할 수 있는 새로운 길을 열 수 있습니다. 논문 링크: https://www.nature.com/articles/s41467-024-49170-8

위 내용은 원본 재료보다 8배 더 강한 칭화대학교와 우한 공과대학 팀은 AI를 사용하여 고엔트로피 유전체 재료를 스크리닝했습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!