Модели машинного обучения помогают найти материал для пленочных конденсаторов с рекордными характеристиками
Национальная лаборатория Лоуренса в Беркли (Berkeley Lab) Министерства энергетики и несколько сотрудничающих институтов успешно продемонстрировали метод машинного обучения для ускорения открытия материалов для пленочных конденсаторов — важнейших компонентов в электрификации и технологиях возобновляемой энергии. Метод использовался для скрининга библиотеки из почти 50 000 химических структур с целью выявления соединения с рекордной производительностью. Другие сотрудники из Университета Висконсин-Мэдисон, Научно-исследовательского института Скриппса, Калифорнийского университета в Беркли и Университета Южного Миссисипи внесли свой вклад в области машинного обучения , химического синтеза и характеристики материалов. Результаты их исследования были опубликованы в журнале Nature Energy. «Для экономически эффективных и надежных технологий возобновляемой энергии нам нужны более эффективные материалы для конденсаторов, чем те, что доступны сегодня», — сказал И Лю, старший научный сотрудник лаборатории Беркли, который руководил исследованием. «Эта прорывная технология скрининга поможет нам найти эти материалы, которые можно назвать «иголкой в стоге сена». Быстро растет спрос на пленочные конденсаторы для использования в высокотемпературных, мощных приложениях, таких как электромобили , электрическая авиация, силовая электроника и аэрокосмическая промышленность. Пленочные конденсаторы также являются важными компонентами в инверторах, которые преобразуют солнечную и ветровую генерацию...