說起儲能設備，人們最熟悉的當然是電池，它們可以將電能轉化為化學能儲存起來，電容器則是以電場形式存儲能量，在給定體積內，它們儲存的能量可能沒有電池多，但它們可以反復充電并且不會失去保持電量的能力。而超級電容器可以比普通電容器存儲更多的電荷，并且比電池充電和放電更快，是新能源汽車日趨普及的今天一個非常重要的研究方向。

近日，美國橡樹嶺國家實驗室（ORNL）的研究人員在機器學習的指導下，設計了一種創紀錄的碳基超級電容材料，它儲存的能量是當前最佳商業材料的4倍。用這種新材料制造的超級電容器可儲存更多的能量，從而改善再生制動系統、電力電子設備和輔助電源，成功地將碳基超級電容器的儲能邊界推向了一個新的水平。

商用超級電容器有陽極和陰極兩個電極，它們是分開浸泡在電解液中的。在電解液和碳之間的界面上，雙電層可逆地分離電荷。而制造超級電容器電極的首選材料是多孔碳，因為這些孔為存儲靜電電荷提供了很大的表面積。

據介紹，該研究團隊利用機器學習建立了一個人工神經網絡模型，通過對模型加以訓練來開發一種用于能量傳輸的“夢幻材料”。該模型預測，如果碳與氧和氮共摻雜，碳電極的最高電容將會達到每克570法拉。基于此，研究團隊設計了一種多孔摻雜碳，可為界面電化學反應提供巨大的表面積，最終成功地合成出了這種用于存儲和傳輸電荷的富氧碳框架材料。這種材料的電容為每克611法拉，是典型商業材料的4倍，并且這種材料的表面積是含碳材料中最高的記錄之一，每克重量的表面積超過4000平方米。

這種材料之所以能取得如此高的性能，主要是歸功于這種富氧碳框架中的兩種孔隙——2至50nm之間的中孔/小于2nm的微孔，較小的微孔為材料提供了更大的表面來存儲電荷，而較大的中孔則像高??速公路一樣，可以加快充電/放電速率，大小孔隙數量的平衡最終成功推進實現了最佳性能。

機器學習引導材料合成的流程 來源：《自然-通訊》

據悉，該研究使用的數據驅動的機器學習方法極大的加快了研究進程，過去想要實現相同的目標至少需要一年的時間，現在僅需要三個月。而在這項研究中，研究人員僅僅使用了當時情況下最好的數據，但現在他們又擁有了更多的邊界數據可以用來訓練下一步研究的機器學習模型，可以進一步加速超級電容器碳材料的開發和優化。