佐治亚理工学院利用超级计算机/机器学习分析电子材料 打造更优电容器

据外媒报道，电容器由于其高能量输出和快速充电速度，将在为电动汽车和手机等未来机器提供电力方面发挥重要作用。然而，电容器成为储能设备的一个主要障碍是，它们存储的能量比相同尺寸的电池少得多。美国乔治亚理工学院的研究人员发现了一种解决上述问题的新方法。研究人员利用超级计算机和机器学习技术，最终成功制造出更强大的电容器。这项研究包括教授计算机分析电容器生产中使用的两种材料——铝和聚乙烯的原子。研究人员专注于寻找快速分析电容器材料电子结构的方法，并找到可能影响电容器性能的特性。佐治亚理工大学材料科学与工程学院的Rampi Ramprasad教授说，“电子行业希望了解电子设备生产中使用的所有材料的结构和特性。例如，聚乙烯是一种带隙大的良好绝缘体，其能量范围是电荷载流子无法实现的。然而，它的缺点是过量的电荷载流子会进入带隙，从而降低效率。Ramprasad说：”为了了解缺陷在哪里以及它们扮演的角色，我们需要计算材料的整个原子结构。到目前为止，这是非常困难的。目前，使用量子力学分析此类材料的速度太慢，这限制了在特定时间内进行的分析量。Ramprasad和他的同事们使用机器学习方法来开发新材料。他们使用量子力学来分析铝和聚乙烯产生的数据样本，教一台强大的计算机如何模拟这种分析。用量子力学分析材料的电子结构需要解算密度泛函理论的Cohen Sham方程，这将生成波函数和能级数据，可用于计算系统的总势能和原子力。研究人员使用圣地亚哥超级计算机中心的彗星超级计算机进行早期计算，该中心是加州大学圣地亚哥分校的一个有组织的研究单位；得克萨斯大学奥斯汀分校得克萨斯高级计算中心的Stamped2超级计算机也被用于这项研究的后期阶段。与基于量子力学的传统技术相比，使用新的机器学习方法会产生高出几个数量级的类似结果。Ramprasad说：“计算能力的提高可以使我们设计出比现有材料更好的电子材料。”尽管这项研究的重点是铝和聚乙烯，但机器学习方法可以用来分析更多种类材料的电子结构。Ramprasad说，除了能够分析电子结构外，量子力学分析的材料结构的其他方面也可以通过机器学习方法来加速。机器学习方法使处理速度更快，这使研究人员能够快速模拟材料的变化将如何影响其电子结构，从而找到提高效率的新方法。Kamal说：“超级计算机系统可以实现高通量计算，从而能够创建关于各种材料系统的大量知识数据库，从而帮助我们找到适合特定应用的最佳材料

标签：

汽车资讯热门资讯