EnSM：基于机器学习的新型电极材料：氮氧化铈超级电容器的性能预测

兔兔

2021-05-26

从工程的角度来看，比容量和循环稳定性是超级电容器（SCs）电极最关键的性能特征。因此，这两个参数的预测对于评估超级电容器电极应用中给定材料的前景至关重要。有鉴于此，作为一种解决方案，印度理工学院马德拉斯分校Tiju Thomas等人采用价值和等级预测的机器学习模型组合方法来预测用于超级电容器的新型材料（氮氧化铈）的性能。

本文要点：

1）首先，从材料的比容量的角度解释了特征（材料成分、形态、表面积等）的重要性。其次，应用机器学习预测SC电极材料（氮氧化铈）的性能。该模型预测该材料的比容量约为26.6 mAh g^-1，对于特定材料（形态、组成、、表面积）和操作（电流密度、施加的电势窗口等）特性，其容量保持率>90％；可以通过尿素玻璃法来实现。

2）最后，给出了实验验证，实验结果（约26 mAh g^-1和约100％的容量保持率）充分验证了此处介绍的预测方法。这项工作是氮氧化铈作为超级电容器电极的首次预测和报道。

预计这项概念验证工作将有助于发现（i）有效性（知道该材料是否适合该应用），（ii）实用性（告诉该材料是否有希望并值得进一步投资），（iii）新型材料在特定应用中的可行性。

Sourav Ghosh et al. Machine learning-based prediction of supercapacitor performance for a novel electrode material: cerium oxynitride. Energy Storage Mater. 2021.

DOI: 10.1016/j.ensm.2021.05.024.

https://doi.org/10.1016/j.ensm.2021.05.024