利用创新机器学习模型 伯克利实验室加速发现薄膜电容器材料

车讯雷达讯 薄膜电容器是电气化和可再生能源技术的关键部件。据外媒报道，美国能源部劳伦斯伯克利国家实验室（Berkeley Lab）和多家合作机构成功演示了一种机器学习技术，以加速发现薄膜电容器材料。该技术可用于筛选化学结构库（拥有近50000种化学结构），以识别具有破纪录性能的化合物。

（图片来源：伯克利实验室）

威斯康星大学麦迪逊分校（University of Wisconsin–Madison）、斯克里普斯研究所（Scripps Research Institute）、加州大学伯克利分校（University of California, Berkeley）和南密西西比大学（University of Southern Mississippi）的其他合作人员贡献了机器学习、化学合成和材料表征方面的专业知识。

伯克利实验室研究人员Yi Liu表示：“为了实现经济高效、可靠的可再生能源技术，人们需要性能比现有材料更好的电容器材料。这项突破性筛选技术将有助于找到这些稀缺材料。”

现在，高温、高功率应用对薄膜电容器的需求迅速增长，如电动汽车、电动航空、电力电子和航空航天等。另外，薄膜电容器也是逆变器中必不可少的元件，这些逆变器可将太阳能和风能发电转换为电网使用的交流电。