El rendimiento superior de almacenamiento de energía habilitado por el diseño de composición acelerada de aprendizaje...

Área de la Ciencia:

• Ciencia de los materiales Ciencia de los materiales.
• Ingeniería de la cerámica Ingeniería de la cerámica.
• Materiales computacionales Ciencia de la ciencia.

Sus antecedentes:

• Los antiferroeléctricos (AFEs) sin plomo de alto rendimiento basados en AgNbO3 (AN) son cruciales para los capacitores avanzados de almacenamiento de energía.
• Los métodos tradicionales de prueba y error para optimizar la densidad de almacenamiento de energía (Wrec) y la eficiencia (η) requieren mucho tiempo e ineficiencia debido a los vastos espacios de composición.

Objetivo del estudio:

• Desarrollar una metodología basada en datos para el diseño de AFEs basados en AN de alto rendimiento.
• Para superar las limitaciones de los métodos de detección convencionales utilizando el aprendizaje automático.
• Identificar nuevas composiciones con capacidades superiores de almacenamiento de energía.

Principales métodos:

• Implementación de un marco de aprendizaje automático (ML) de apilamiento de dos capas, SS-PAN (estrategia de apilamiento para predecir cerámicas basadas en AN).
• Validación cruzada para evaluar el rendimiento del modelo, logrando una alta puntuación R2 de 0.82.
• Análisis de SHapley Additive exPlanations (SHAP) para identificar las características predictivas clave (factor de tolerancia, afinidad de electrones del sitio B).
• Validación experimental utilizando cálculos STEM y DFT para decodificar la estructura local.

Principales resultados:

• El marco SS-PAN superó a los modelos individuales de ML en la predicción de AFEs basados en AN.
• Una composición predicha, Li0.01Ag0.99Nb0.5Ta0.5O3, demostró un bucle P-E casi lineal.
• Logró un Wrec ultraalto de 16,6 J cm-3 y η de 92,6% a 108 kV mm-1 en MLCC, con una cifra de mérito de 224,3 J cm-3.
• El análisis SHAP destacó la importancia del factor de tolerancia y la afinidad electrónica del sitio B para la precisión de la predicción.

Conclusiones:

• El marco SS-PAN basado en datos ofrece un enfoque potente para descubrir AFEs relajantes emergentes.
• El co-dopaje Li/Ta induce nanodomaines antiferroeléctricos de corto alcance altamente polares, mejorando las propiedades dieléctricas.
• Este trabajo allana el camino para aplicaciones avanzadas de condensadores dieléctricos a través del diseño de materiales guiados por ML.