裸舞x！

好意思国斯克利普斯照看所卡尔·巴里·夏普莱斯（Karl Barry Sharpless）教诲因其在不合称有机合成和点击化学边界的超卓孝顺人妖 telegram，曾鉴识于 2001 年和 2022 年取得诺贝尔化学奖。

2014 年，夏普莱斯团队第一次推出新一代点击化学——硫氟交换化学（SuFEx）。此响应具有副响应少和响应性可控的特质，何况每个硫酸酯键产率接近定量，是团聚响应的理想选拔。

近期，好意思国劳伦斯伯克利国度实验室刘毅高档照看员团队与夏普莱斯教讲课题组、好意思国威斯康星大学麦迪逊分校李颖教讲课题组配合，在高效点击化学的基础上，通过机器学习提拔团聚物结构优化联想，见效开发出大致承受极点温度与电场的高性能介电团聚物材料。

在以往的多数照看中，照看者们频频基于教诲与化学直观进行团聚物材料结构联想，并通过浩瀚实验进行试错与考证。

该尺度将机器学习与实验考证相相投，权贵缩小了材料研发周期，同期着眼于应用新一代的点击化学将照看拓展至新式、高遵循合成的聚硫酸酯材料。

该团队联想并瞻望了约 5 万种聚硫酸酯材料，并从中筛选出了三种最具后劲的材料，而这一过程在传统实验尺度中是难以竣事的。

图丨刘毅课题组合影（来源：刘毅）

该照看见效科罚了介电团聚物热性能与电性能的均衡鬈曲。新式高性能耐热聚硫酸酯材料不仅大致在高温下保抓踏实的性能，而且有助于推动高温电容器技能的发展，以及竣事开发的微型化。

此外，这些材料有望与现存的工业坐褥线兼容竣事批量化坐褥，并平方应用于羼杂能源汽车、地下油气勘察、地热能源控制和电气化飞动器等高温责任环境中。

通过这种先进尺度，照看东说念主员大致更高效地探索和开发新式高性能材料，以得志当代工业对耐高温材料日益增长的需求。

日前，干系论文以《机器学习-加快发现耐热的用于静电储能的聚硫酸酯》（Machine learning-accelerated discovery of heat-resistant polysulfates for electrostatic energy storage）为题发表在 Nature Energy[1]。

劳伦斯伯克利国度实验室博士后照看员李禾、斯克利普斯照看所博士后照看员郑泓波， 威斯康星大学麦迪逊分校博士照看生岳天乐和劳伦斯伯克利国度实验室博士后照看员谢宗良是共同第一作家。

劳伦斯伯克利国度实验室刘毅高档照看员、斯克利普斯照看所卡尔·巴里·夏普莱斯（Karl Barry Sharpless）教诲、威斯康星大学麦迪逊分校李颖教诲担任共同通信作家。

图丨干系论文（来源：Nature Energy）

怎样科罚静电储能电容器的现实应用需求？

在电气化边界，静电储能电容器应用对介电团聚物建议了轻质、柔性、耐高电压、耐高温等要求。

现在，双向拉伸聚丙烯（BOPP，Biaxially oriented polypropylene film）看成最常用的商用团聚物材料，天然具备高耐电脾气和踏实性，但其耐热性较差，难以在 150℃ 或更高温度的责任环境下永远启动。

然则，羼杂能源汽车、地下油气勘察、地热能源控制、电气化飞动器等责任环境的温度，可能达到 200℃ 致使更高。

为了应酬这一挑战，照看者们勉力于开发新式的耐热介电团聚物，举例聚酰亚胺、聚醚酰亚胺和芴聚酯等。需要了解的是，这些材料天然具有较高的玻璃化转念温度，但其较低的禁带宽度抑止了它们在高温下的耐电脾气。

在高善良高电场要求下，这些材料可能会因为热刺激电荷的注入和迁徙而导致较大的走电流，这会对材料的储能性能和永远启动的踏实性变成影响。因此，开发大致在高温下保抓踏实性能的高性能耐热新材料显得尤为要紧。

新式材料需要在高温下保抓优异的介电性能和储能脾气，以得志电气化边界对高性能介电团聚物的需求。

在 200℃ 及充放电遵循 90% 以上时，放电能量密度达新高

该照看是一项历时三年的系列照看。在此前的照看中，刘毅课题组初度将聚硫酸酯材料看成介电材料应用于高温静电储能电容器 [2]。

照看发现，聚硫酸酯 P3 中芳醇基团赋予了材料较高的玻璃化转念温度，而硫酸酯键畅通碎裂了 π-π 共轭，从而为材料较高的禁带宽度提供了保险。

刘毅诠释说说念：“这种结构脾气使得聚硫酸酯材料在热性能与电性能之间竣事了精良的均衡，并展现出优异的高温储能脾气。”

据了解，照看合座架构的构想是照看过程中最具挑战的技能难点，即怎样判辨团聚牺牲学结构-储能脾气的干系性，并基于此联想实验探索、开发新式团聚物材料。

图丨机器学习对热和电子性能参数的瞻望（来源：Nature Energy）

此前，李颖课题组的照看标明 [3]，在各样机器学习尺度中，前馈神经麇集（FNN，Feedforward Neural Network）在虚耗的磨砺数据下证实出超卓的泛化瞻望才气，大致对磨砺集除外的团聚物作念出更准确的瞻望。

照看初期，科研灵感来自于李禾和李颖在学术会议上的疏导，他们默契到机器学习不错推动团聚物材料照看的进展。“这与咱们一直想照看的标的异曲同工。”刘毅说。

在该照看中，照看东说念主员中式了 FNN 模子对介电团聚物的热学与介电脾气进行瞻望，并通过网格搜索（Grid Search）优化模子参数，以基于不同神经麇集层数、神经元数的磨砺，找寻出瞻望精度最高的一组看成最终的模子结构。

他们联想了该责任经由（如下图所示），接收机器学习提拔的尺度，权贵缩减了实验考证的时辰，并快速地筛选出了现在最具后劲的聚硫酸酯材料。

图丨聚硫酸酯的结构联想（来源：Nature Energy）

材料的合成是照看过程中的另一个技能难点，为此，照看东说念主员勉力于探索怎样见效合成出无杂质、高分子量的聚硫酸酯材料。

在与李颖课题组的一次疏导中，相投团队诞生了使用合成可行性指数瞻望材料合成难易程度的尺度。

刘毅暗示，这杰出有益于后续的材料筛选与材料合成，并灵验地缩小了研发时辰，最终竣事了高性能聚硫酸酯的见效开发。

值得祥和的是，新发现的聚硫酸酯 P6 证实出超卓的热踏实性和高储能密度，在 200°C 和逾越 90% 的充放电遵循下竣事了 6.37J/cm³ 的放电储能密度。

此外，P6 不仅具有高的玻璃化转念温度（Tg 逾越 300°C）和电子带隙（Eg 大于 3.7eV），还展现出精良的介电常数（k 值在 3.2-3.5 之间）和低介电损耗（tan δ 小于 0.25%）。

“上述盘算鉴识与材料耐热性能、材料介电性能和材料储存能量的才气密不能分。”刘毅暗示。

图丨静电储能性能和可靠性（来源：Nature Energy）

为科罚该问题，配合团队接收了高效的硫（VI）氟交换（SuFEx）点击化学，它是高效的、普适的化学响应，亦然材料合成的关键。

新一代的点击化学不仅是材料库（聚硫酸酯）联想的着手，亦然确保机器学习后续大致实验考证的前提。在此基础上，他们见效合成了方针团聚物，并优化了制备雪白薄膜的尺度。

审稿东说念主对该照看评价称，“著作结构与实验联想均杰出合理，何况数据分析彻底。”

与诺奖得主团队的“强强相投”

这项照看是三个团队配合的遵循，他们在照看过程中相投各自上风并互补交融，共同推动了照看的进展。

在该照看中，刘毅课题组主要认真确验的构建和性质反馈，聚焦于聚硫酸酯薄膜材料制备与热和电性能表征。

李颖课题组则专注于控制机器学习瞻望材料脾气，而夏普莱斯课题组重心科罚聚硫酸酯材料的合成责任。

在刘毅谈及与配合者在化学方面的疏导时暗示，与夏普莱斯教诲对于硫酸酯键的本色的屡次计划，老是能引发新的倡导，并约束为后续责任提供灵感。

图丨聚硫酸盐的介电性能（来源：Nature Energy）

刘毅团队永远从事官能性团聚物材料的联想，触及有机半导体材料在有机电子学中的应用、共价有机框架材料、有机无机杂化材料在能源中的应用等。同期也勉力于基础性照看，举例拓扑化学团聚等。

“这些标的顺应我一直以来用苟简平直的有机化学的尺度来创造新能源材料的敬爱，频年来咱们也越来越多地祥和到偏应用的工程标的。”刘毅暗示。

以该照看为例，照看东说念主员在学习摸索的过程中，一方面感受到机器学习带来的浩大便利，另一方面也着眼于翌日，但愿能尽快竣事更自主驱动的东说念主工智能在材料联想和开发方面的应用。

他指出，聚硫酸酯仅仅硫氟交换化学的居品之一，其在材料的联想上还有很大后劲。“不管是在用自我生成的机器学习优化材料联想方面，如故在功能化学键的团聚响应选拔方面，咱们现在所作念的仅仅冰山一角。”

据悉，该照看中的中枢技能也曾苦求专利，他们权略不绝推动材料的联想和性能检阅，并但愿与干系企业和创业者共同计划，以推动技能的工业化程度。

参考辛苦：

1.Li， H.， Zheng， H.， Yue， T. et al. Machine learning-accelerated discovery of heat-resistant polysulfates for electrostatic energy storage. Nature Energy (2024). https://doi.org/10.1038/s41560-024-01670-z

2.Li，H. et al. High-performing polysulfate dielectrics for electrostatic energy storage under harsh conditions. Joule 7， 95 (2023) . https://doi.org/10.1016/j.joule.2022.12.010

3.Tao，L.， Varshney，V.， Li，Y. Benchmarking Machine Learning Models for Polymer Informatics: An Example of Glass Transition Temperature. Journal of Chemical Information and Modeling 61， 5395 (2021).https://pubs.acs.org/doi/abs/10.1021/acs.jcim.1c01031

运营/排版：刘雅坤、何晨龙人妖 telegram