Adv. Sci.: 高通量随机击穿模拟+机器学习预测聚合物复合材料的储能性能

聚合物介质电容器由于其高功率密度而广泛用于脉冲功率器件。由于纯聚合物的介电常数低，需要无机填料来改善其性能，填料的尺寸和介电性能会影响聚合物基复合材料的介电击穿。然而，仅通过实验不能完全得出填料对击穿强度的影响。

在此，哈尔滨理工大学殷景华教授、冯宇副教授等人使用具有3个变量的综合随机击穿模型来研究填料对聚合物基复合材料击穿过程的影响，其中3个最重要的因素包括填料介电常数（ε_r）、填料尺寸（d）和填料含量（v）。作者基于两种代表性聚合物材料聚酰亚胺（PI）和聚偏二氟乙烯（PVDF），通过模拟具有不同 ε_r、d和v填料的聚合物基复合材料中击穿路径的演变分析了潜在的物理机制。

在上述模拟结果的基础上，作者发现通过填料的3个变量d、v和ε_r调节的阻塞效应、填充效应和介电匹配对聚合物基复合材料的介电击穿强度（E_b）具有显著影响。通过调整3个变量可以观察到聚合物基复合材料的击穿路径演变，从而得到以下一般规律：在特定范围内，填料d越大，填充状态越合适；填料的ε_r越接近基体，聚合物基复合材料的E_b改善越显著。

图1. 调整三个变量来模拟PVDF复合材料的击穿路径演变

接下来，作者基于504组高通量随机击穿模拟的E_b结果建立机器学习数据库，以介电常数ε_r、尺寸d和填料含量v为变量构建可解释的机器学习模型。作者以12个原型函数和4个相互作用作为生成描述符，通过最小二乘回归（LSR）执行回归分析。决定系数的LSR被用作筛选描述符的标准，进行3轮筛选以获得关于E_b的最终预测表达式。然后将ε_r的经典公式与E_b预测表达式相结合，可得到聚合物基复合材料的储能密度（U）预测表达式。

最后，作者制备了聚醚酰亚胺（PEI）/氧化铝（Al₂O₃）复合材料以验证预测，系统地进行了PEI/Al₂O₃复合材料的微观结构表征和性能测试。结果表明，U实验结果与预测的计算结果基本一致，这也验证了U的普适性和准确性预测。总之，该工作为研究人员开发具有高U值的聚合物介质电容器提供了便利和指导。

图2. 研究聚合物基复合材料击穿强度的详细机器学习流程

Prediction of Energy Storage Performance in Polymer Composites Using High-Throughput Stochastic Breakdown Simulation and Machine Learning, Advanced Science 2022. DOI: 10.1002/advs.202105773

原创文章，作者：v-suan，如若转载，请注明来源华算科技，注明出处：https://www.v-suan.com/index.php/2023/10/14/7ee189c802/

Adv. Sci.: 高通量随机击穿模拟+机器学习预测聚合物复合材料的储能性能

相关推荐