高溫靜電儲能迎重要進展：科學家用AI輔助開發新型耐熱聚合物，為解決電動汽車和航電領域儲能需求提供新方案

美國斯克利普斯研究所卡爾·巴利·夏普賴斯（Karl Barry Sharpless）教授因其在不對稱有機合成和點擊化學領域的卓越貢獻，曾分別於 2001 年和 2022 年獲得盧保化學獎。

2014 年，夏普賴斯團隊第一次推出新一代點擊化學——硫氟交換化學（SuFEx）。此反應具有副反應少和反應性可控的特點，並且每個硫酸酯鍵產率接近定量，是聚合反應的理想選擇。

近期，美國羅倫斯伯克利國家實驗室劉毅高級研究員團隊與夏普賴斯教授課題組、美國威斯康辛大學麥基迪遜分校李穎教授課題組合作，在高效點擊化學的基礎上，通過機器學習輔助聚合物結構優化設計，成功開發出能夠承受極端溫度與電場的高性能介電聚合物材料。

在以往的多數研究中，研究者們往往基於經驗與化學直覺進行聚合物材料結構設計，並通過大量實驗進行試錯與驗證。

該方法將機器學習與實驗驗證相結合，顯著縮短了材料研發週期，同時著眼於應用新一代的點擊化學將研究拓展至新型、高效率合成的聚硫酸酯材料。

該團隊設計並預測了約 5 萬種聚硫酸酯材料，並從中篩選出了三種最具潛力的材料，而這一過程在傳統實驗方法中是難以實現的。

該研究成功解決了介電聚合物熱性能與電性能的平衡難題。新型高性能耐熱聚硫酸酯材料不僅能夠在高溫下保持穩定的性能，而且有助於推動高溫電容器技術的發展，以及實現設備的小型化。

此外，這些材料有望與現有的工業生產線兼容實現批量化生產，並廣泛應用於混合動力汽車、地下油氣勘探、地熱能源利用和電氣化飛行器等高溫工作環境中。

通過這種先進方法，研究人員能夠更高效地探索和開發新型高性能材料，以滿足現代工業對耐高溫材料日益增長的需求。

日前，相關論文以《機器學習-加速發現耐熱的用於靜電儲能的聚硫酸酯》（Machine learning-accelerated discovery of heat-resistant polysulfates for electrostatic energy storage）為題發表在 Nature Energy[1]。

羅倫斯伯克利國家實驗室博士後研究員李禾、斯克利普斯研究所博士後研究員鄭泓波, 威斯康辛大學麥基迪遜分校博士研究生嶽天樂和羅倫斯伯克利國家實驗室博士後研究員謝宗良是共同第一作者。

羅倫斯伯克利國家實驗室劉毅高級研究員、斯克利普斯研究所卡爾·巴利·夏普賴斯（Karl Barry Sharpless）教授、威斯康辛大學麥基迪遜分校李穎教授擔任共同通訊作者。

如何解決靜電儲能電容器的實際應用需求？

在電氣化領域，靜電儲能電容器應用對介電聚合物提出了輕質、柔性、耐高電壓、耐高溫等要求。

目前，雙向拉伸聚丙烯（BOPP，Biaxially oriented polypropylene film）作為最常用的商用聚合物材料，雖然具備高耐電特性和穩定性，但其耐熱性較差，難以在 150℃ 或更高溫度的工作環境下長期運行。

然而，混合動力汽車、地下油氣勘探、地熱能源利用、電氣化飛行器等工作環境的溫度，可能達到 200℃ 甚至更高。

為了應對這一挑戰，研究者們致力於開發新型的耐熱介電聚合物，例如聚酰亞胺、聚醚酰亞胺和芴聚酯等。需要瞭解的是，這些材料雖然具有較高的玻璃化轉變溫度，但其較低的禁帶寬度限制了它們在高溫下的耐電特性。

在高溫和高電場條件下，這些材料可能會因為熱刺激電荷的注入和遷移而導致較大的漏電流，這會對材料的儲能性能和長期運行的穩定性造成影響。因此，開發能夠在高溫下保持穩定性能的高性能耐熱新材料顯得尤為重要。

新型材料需要在高溫下保持優異的介電性能和儲能特性，以滿足電氣化領域對高性能介電聚合物的需求。

在 200℃ 及充放電效率 90% 以上時，放電能量密度達新高

該研究是一項曆時三年的系列研究。在此前的研究中，劉毅課題組首次將聚硫酸酯材料作為介電材料應用於高溫靜電儲能電容器 [2]。

研究發現，聚硫酸酯 P3 中芳香基團賦予了材料較高的玻璃化轉變溫度，而硫酸酯鍵連接破壞了 π-π 共軛，從而為材料較高的禁帶寬度提供了保障。

劉毅解釋說道：「這種結構特性使得聚硫酸酯材料在熱性能與電性能之間實現了良好的平衡，並展現出優異的高溫儲能特性。」

據瞭解，研究整體架構的構思是研究過程中最具挑戰的技術難點，即如何解析聚合物化學結構-儲能特性的相關性，並基於此設計實驗探索、開發新型聚合物材料。

此前，李穎課題組的研究表明 [3]，在各類機器學習方法中，前饋神經網絡（FNN，Feedforward Neural Network）在充足的訓練數據下表現出卓越的泛化預測能力，能夠對訓練集之外的聚合物做出更準確的預測。

研究初期，科研靈感來自於李禾和李穎在學術會議上的交流，他們意識到機器學習可以推動聚合物材料研究的進展。「這與我們一直想研究的方向不謀而合。」劉毅說。

在該研究中，研究人員選取了 FNN 模型對介電聚合物的熱學與介電特性進行預測，並通過網格搜索（Grid Search）優化模型參數，以基於不同神經網絡層數、神經元數的訓練，找尋出預測精度最高的一組作為最終的模型結構。

他們設計了該工作流程（如下圖所示），採用機器學習輔助的方法，顯著縮減了實驗驗證的時間，並快速地篩選出了目前最具潛力的聚硫酸酯材料。

材料的合成是研究過程中的另一個技術難點，為此，研究人員致力於探索如何成功合成出無雜質、高分子量的聚硫酸酯材料。

在與李穎課題組的一次交流中，聯合團隊確立了使用合成可行性指數預測材料合成難易程度的方法。

劉毅表示，這十分有利於後續的材料篩選與材料合成，並有效地縮短了研發時間，最終實現了高性能聚硫酸酯的成功開發。

值得關注的是，新發現的聚硫酸酯 P6 表現出卓越的熱穩定性和高儲能密度，在 200°C 和超過 90% 的充放電效率下實現了 6.37J/cm³ 的放電儲能密度。

此外，P6 不僅具有高的玻璃化轉變溫度（Tg 超過 300°C）和電子帶隙（Eg 大於 3.7eV），還展現出良好的介電常數（k 值在 3.2-3.5 之間）和低介電損耗（tan δ 小於 0.25%）。

「上述指標分別與材料耐熱性能、材料介電性能和材料儲存能量的能力密不可分。」劉毅表示。

為解決該問題，合作團隊採用了高效的硫（VI）氟交換（SuFEx）點擊化學，它是高效的、普適的化學反應，也是材料合成的關鍵。

新一代的點擊化學不僅是材料庫（聚硫酸酯）設計的起點，也是確保機器學習後續能夠實驗驗證的前提。在此基礎上，他們成功合成了目標聚合物，並優化了製備純淨薄膜的方法。

審稿人對該研究評價稱，「文章結構與實驗設計均十分合理，並且數據分析透徹。」

與諾獎得主團隊的「強強聯合」

這項研究是三個團隊合作的成果，他們在研究過程中結合各自優勢並互補融合，共同推進了研究的進展。

在該研究中，劉毅課題組主要負責實驗的構建和性質反饋，聚焦於聚硫酸酯薄膜材料製備與熱和電性能表徵。

李穎課題組則專注於利用機器學習預測材料特性，而夏普賴斯課題組重點解決聚硫酸酯材料的合成工作。

在劉毅談及與合作者在化學方面的交流時表示，與夏普賴斯教授關於硫酸酯鍵的本質的多次探討，總是能激發新的想法，並不斷為後續工作提供靈感。

劉毅團隊長期從事官能性聚合物材料的設計，涉及有機半導體材料在有機電子學中的應用、共價有機框架材料、有機無機雜化材料在能源中的應用等。同時也致力於基礎性研究，例如拓撲化學聚合等。

「這些方向符合我一直以來用簡單直接的有機化學的方法來創造新能源材料的興趣，近年來我們也越來越多地關注到偏應用的工程方向。」劉毅表示。

以該研究為例，研究人員在學習摸索的過程中，一方面感受到機器學習帶來的巨大便利，另一方面也著眼於未來，希望能盡快實現更自主驅動的人工智能在材料設計和開發方面的應用。

他指出，聚硫酸酯只是硫氟交換化學的產物之一，其在材料的設計上還有很大潛力。「無論是在用自我生成的機器學習優化材料設計方面，還是在功能化學鍵的聚合反應選擇方面，我們目前所做的只是冰山一角。」

據悉，該研究中的核心技術已經申請專利，他們計劃繼續推動材料的設計和性能改進，並希望與相關企業和創業者共同探討，以推動技術的工業化進程。

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

運營/排版：劉雅坤、何晨龍