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

盖世汽车讯 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。

威斯康星大学麦迪逊分校、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。

免责声明：该文章系本站转载，旨在为读者提供更多信息资讯。所涉内容不构成投资、消费建议，仅供读者参考。