【仪表网 研发快讯】聚合物电介质是薄膜电容器的核心储能材料，在电动汽车、风/光发电设施中发挥着不可替代的作用，它具有极高的功率密度和极快的充放电速率，但其能量密度受到高温击穿场强的制约。在聚合物中引入宽带隙、高电子亲和能的填料可以有效抑制其内部的电荷迁移，延缓电荷迁移引发的电子雪崩和击穿裂纹，提高复合电介质的击穿场强，但采用传统的人工搜索方法寻找同时具有宽带隙和高电子亲和能的填料十分困难。
 

　　针对上述问题，清华大学材料学院沈洋课题组采用生成式机器学习方法深入探究了有机分子填料的化学结构与能带结构的关联，训练后的机器学习模型具有较高的性能预测准确度，采用该模型准确输出了超过200种有机分子，并合成了两种兼具宽带隙(5.5 eV)和高电子亲和能(4.5 eV)的小分子作为填料。掺入聚合物基体的小分子填料一方面可通过高电子亲和能捕获电子，另一方面可通过宽带隙阻碍电子在其内部的迁移，因此可以显著降低电介质内部的泄漏电流密度，大幅提升高温击穿场强。该研究中的复合电介质在250°C高温下达到了5.1 J cm-3的能量密度(充放电效率为90%)，超过了目前绝大多数的聚合物电介质材料。课题组还基于自行搭建的卷对卷流延设备，连续化制备了千米级的复合电介质薄膜，并实现了基于新型聚合物复合电介质薄膜的电容器的工业化生产。相较于传统的聚丙烯薄膜电容器，复合电介质薄膜电容器在高温环境下表现出优异的能量密度、功率密度与电容稳定性，并可实现自愈，这代表了高温高储能聚合物电介质材料向实际应用的巨大突破。
 

基于生成式机器学习开发高温高储能聚合物复合电介质薄膜电容器
 

　　研究成果以“机器学习设计的高温高储能聚合物复合电容器”(High-Temperature Polymer Composite Capacitors with High Energy Density Designed via Machine Learning)为题，于9月9日在线发表于《自然·能源》(Nature Energy)。
 

　　清华大学材料学院博士后杨敏铮和武汉理工大学2025级博士生万超凡为论文第一作者，清华大学材料学院教授沈洋为论文通讯作者，清华大学化学系教授王训和武汉理工大学教授沈忠慧为论文共同通讯作者。其他合作者还包括清华大学材料学院南策文院士、化学系教授段炼、材料学院副研究员胡澎浩以及乌镇实验室副研究员江建勇等。材料学院教授万春磊、席小庆等为研究提供了重要帮助。
 

　　研究得到国家自然科学基金委基础科学中心项目、创新研究群体项目、青年基金(博士生项目)、中国博士后创新人才支持计划、清华大学“水木学者”项目等的大力支持。