《Nature》子刊：机器学习预测！实现了具有超高比电容碳材料的合成

多孔碳基超级电容器凭借其高功率能力、长期循环稳定性和宽工作温度范围，在储能领域应用广泛。碳活性材料的传统试错开发方式既耗时又昂贵，而利用机器学习的力量来辅助碳基电极材料的设计提供了高效低成本的捷径。近日，美国橡树岭国家实验室的戴胜团队成功利用机器学习预测并实现了具有超高比电容碳材料的合成。

图1. 机器学习辅助设计超高比电容碳材料的思路。图片来源：Nat. Commun.

戴胜团队通过人工神经网络模型学习文献中的数据预测出具有最优孔结构和氮/氧掺杂量的碳材料在硫酸电解液中的最高比电容可达611 F/g。为了接近最高比电容的目标，作者团队设计了一系列超交联聚合物作为碳前驱体，联合使用高活性的氨基钠作为活化剂，在600摄氏度的碳化温度下获得了比表面积超过4000 m²/g同时氧含量超过15 wt.% 的超多孔碳材料。这种通过机器学习优化的超多孔碳材料在 1 M H₂SO₄ 中表现出 610 F/g 的比电容，接近机器学习模型预测的碳基材料比电容的极限。这一突破为超级电容器活性材料的高效设计提供了新思路。

图2. 超多孔碳材料电极的电化学性能。图片来源：Nat. Commun.

除了报告这些新型碳材料令人印象深刻的性能外，该团队还研究了电荷存储机制和电解质传输特性。通过在橡树岭国家实验室开展阶梯电位电化学谱图和准弹性中子散射测量，他们证实了富含氧官能团的介孔（孔尺寸2~50 nm）与电解质的相互作用以及对高比电容和高倍率性能的贡献，进一步促进了超级电容器储能机理方面的进步。

图3. 阶梯电位电化学谱图分析。图片来源：Nat. Commun.

图4. 准弹性中子散射结果分析。图片来源：Nat. Commun.

这一成果近期发表在Nature Communications 上，文章的第一作者是橡树岭国家实验室研究员王涛。

来源：X-MOL咨询