說起儲能設備，人們最熟悉的當然是電池，它們可以將電能轉化為化學能儲存起來，電容器則是以電場形式存儲能量，在給定體積內(nèi)，它們儲存的能量可能沒有電池多，但它們可以反復充電并且不會失去保持電量的能力。而超級電容器可以比普通電容器存儲更多的電荷，并且比電池充電和放電更快，是新能源汽車日趨普及的今天一個非常重要的研究方向。

近日，美國橡樹嶺國家實驗室（ORNL）的研究人員在機器學習的指導下，設計了一種創(chuàng)紀錄的碳基超級電容材料，它儲存的能量是當前最佳商業(yè)材料的4倍。用這種新材料制造的超級電容器可儲存更多的能量，從而改善再生制動系統(tǒng)、電力電子設備和輔助電源，成功地將碳基超級電容器的儲能邊界推向了一個新的水平。

商用超級電容器有陽極和陰極兩個電極，它們是分開浸泡在電解液中的。在電解液和碳之間的界面上，雙電層可逆地分離電荷。而制造超級電容器電極的首選材料是多孔碳，因為這些孔為存儲靜電電荷提供了很大的表面積。

據(jù)介紹，該研究團隊利用機器學習建立了一個人工神經(jīng)網(wǎng)絡模型，通過對模型加以訓練來開發(fā)一種用于能量傳輸?shù)摹皦艋貌牧稀薄Ｔ撃Ｐ皖A測，如果碳與氧和氮共摻雜，碳電極的最高電容將會達到每克570法拉。基于此，研究團隊設計了一種多孔摻雜碳，可為界面電化學反應提供巨大的表面積，最終成功地合成出了這種用于存儲和傳輸電荷的富氧碳框架材料。這種材料的電容為每克611法拉，是典型商業(yè)材料的4倍，并且這種材料的表面積是含碳材料中最高的記錄之一，每克重量的表面積超過4000平方米。

這種材料之所以能取得如此高的性能，主要是歸功于這種富氧碳框架中的兩種孔隙——2至50nm之間的中孔/小于2nm的微孔，較小的微孔為材料提供了更大的表面來存儲電荷，而較大的中孔則像高??速公路一樣，可以加快充電/放電速率，大小孔隙數(shù)量的平衡最終成功推進實現(xiàn)了最佳性能。

機器學習引導材料合成的流程 來源：《自然-通訊》

據(jù)悉，該研究使用的數(shù)據(jù)驅動的機器學習方法極大的加快了研究進程，過去想要實現(xiàn)相同的目標至少需要一年的時間，現(xiàn)在僅需要三個月。而在這項研究中，研究人員僅僅使用了當時情況下最好的數(shù)據(jù)，但現(xiàn)在他們又擁有了更多的邊界數(shù)據(jù)可以用來訓練下一步研究的機器學習模型，可以進一步加速超級電容器碳材料的開發(fā)和優(yōu)化。