中國(guó)石油大學(xué)：機(jī)器學(xué)習(xí)指導(dǎo)3D打印具有定制性能的碳微晶格用于超級(jí)電容儲(chǔ)能

來(lái)源：中國(guó)石油大學(xué)（華東）重質(zhì)油國(guó)家重點(diǎn)實(shí)驗(yàn)室

01【研究背景】

超級(jí)電容器因其充放電速率快、循環(huán)壽命長(zhǎng)、安全性高等特點(diǎn)，是目前最先進(jìn)的電化學(xué)儲(chǔ)能系統(tǒng)之一。但是在以微電子等領(lǐng)域?yàn)榇�表的�?shí)際應(yīng)用場(chǎng)景中，通常需要儲(chǔ)能系統(tǒng)根據(jù)不同的占地空間提供不同的能量供設(shè)備使用，這對(duì)于超級(jí)電容器“可定制”的電化學(xué)性能提出了更高的要求。3D打印技術(shù)可以根據(jù)特定的應(yīng)用場(chǎng)景，高效地設(shè)計(jì)并制造各種幾何形狀復(fù)雜的結(jié)構(gòu)，同時(shí)減少了原材料浪費(fèi)，降低成本。但是在當(dāng)前階段，3D打印電極的結(jié)構(gòu)參數(shù)與其超級(jí)電容性能之間的構(gòu)效關(guān)系尚不明確，理想的電化學(xué)性能需要通過(guò)耗時(shí)的嘗試-試錯(cuò)過(guò)程來(lái)實(shí)現(xiàn)。為了進(jìn)一步推廣3D打印技術(shù)的應(yīng)用，快速而準(zhǔn)確地掌握電極結(jié)構(gòu)參數(shù)與其面電容性能的構(gòu)效關(guān)系至關(guān)重要。以機(jī)器學(xué)習(xí)為代表的人工智能技術(shù)帶給我們新的發(fā)展機(jī)遇�；�于有限的實(shí)驗(yàn)數(shù)據(jù)，機(jī)器學(xué)習(xí)憑借其強(qiáng)大的計(jì)算能力以及數(shù)據(jù)驅(qū)動(dòng)能力，可以挖掘數(shù)據(jù)背后隱藏的內(nèi)在聯(lián)系，學(xué)習(xí)并建立模型，并對(duì)數(shù)據(jù)的發(fā)展趨勢(shì)做出合理預(yù)測(cè)。本文基于有限的實(shí)驗(yàn)數(shù)據(jù)通過(guò)機(jī)器學(xué)習(xí)建立了3D打印碳微晶格電極的結(jié)構(gòu)參數(shù)與其面電容性能之間的預(yù)測(cè)模型，為實(shí)現(xiàn)可定制的超級(jí)電容性能提供了合理的設(shè)計(jì)指導(dǎo)。

02【研究亮點(diǎn)】

本文提出機(jī)器學(xué)習(xí)指導(dǎo)3D打印的策略，建立了3D打印碳微晶格電極結(jié)構(gòu)參數(shù)與其超級(jí)電容性能之間的構(gòu)效關(guān)系，為實(shí)現(xiàn)可定制的超級(jí)電容性能提供了合理的設(shè)計(jì)指導(dǎo)。

3D打印碳微晶格的電極結(jié)構(gòu)參數(shù)在本質(zhì)上是通過(guò)改變電化學(xué)活性面積以及電極表面電流分布來(lái)影響其超級(jí)電容性能。

03【成果簡(jiǎn)介】

近期，中國(guó)石油大學(xué)（華東）胡涵、吳明鉑教授（通訊作者）團(tuán)隊(duì)報(bào)道了機(jī)器學(xué)習(xí)指導(dǎo)3D打印的設(shè)計(jì)策略，建立了碳微晶格電極結(jié)構(gòu)參數(shù)與其超級(jí)電容性能之間的機(jī)器學(xué)習(xí)模型，用于可定制的超級(jí)電容性能的高效設(shè)計(jì)。首先，該論文通過(guò)3D打印制備了9個(gè)具有不同結(jié)構(gòu)參數(shù)的電極，在三電極測(cè)試條件下評(píng)價(jià)了其面電容性能。將這9個(gè)數(shù)據(jù)點(diǎn)作為原始的訓(xùn)練集用于構(gòu)建機(jī)器學(xué)習(xí)模型；其次，作者比較了四種機(jī)器學(xué)習(xí)算法的模型擬合效果，包括隨機(jī)森林（RF）、線(xiàn)性回歸（LR）、支持向量回歸（SVR）和人工神經(jīng)網(wǎng)絡(luò)（ANN）。模型擬合結(jié)果顯示隨機(jī)森林算法（RF）呈現(xiàn)出最佳的擬合效果，R2決定系數(shù)高達(dá)0.978而均方根誤差低至0.073。這是因?yàn)殡S機(jī)森林算法在特征選擇及子模型生成階段引入的隨機(jī)性和魯棒性非常適合本論文小數(shù)據(jù)集的預(yù)測(cè)問(wèn)題。因此，作者在本文中選擇隨機(jī)森林模型為主要研究對(duì)象，詳細(xì)討論了電極結(jié)構(gòu)參數(shù)的特征重要性以及可定制的超級(jí)電容性能，并通過(guò)電化學(xué)活性面積測(cè)試以及有限元分析深入揭示了其內(nèi)在影響機(jī)制。相關(guān)成果以“Machine learning guided 3D printing of carbon microlattices with customized performance for supercapacitive energy storage”為標(biāo)題發(fā)表于國(guó)際著名期刊《Carbon》，中國(guó)石油大學(xué)（華東）的博士生楊浩和超威半導(dǎo)體公司的房亮工程師是本文共同第一作者。

04【圖文導(dǎo)讀】

圖1 3D打印及隨機(jī)森林?jǐn)M合過(guò)程

圖2 氧化石墨烯及碳微晶格的表征

圖3 隨機(jī)森林模型預(yù)測(cè)結(jié)果

圖4 隨機(jī)森林模型預(yù)測(cè)結(jié)果的熱力圖

圖5 隨機(jī)森林模型的驗(yàn)證

圖6 電極結(jié)構(gòu)參數(shù)對(duì)電化學(xué)活性面積的影響

圖7 電極結(jié)構(gòu)參數(shù)對(duì)其表面電流分布的影響

05【文獻(xiàn)信息】

Hao Yang, et al. Machine learning guided 3D printing of carbon microlattices with customized performance for supercapacitive energy storage, Carbon, 2022

https://doi.org/10.1016/j.carbon.2022.08.083