通过无维键分解和机器学习算法对新型环保气体介电物的虚拟选

科学领域:

• 材料科学 材料科学 材料科学
• 化学工程是化学工程的重要组成部分.
• 环境科学 环境科学

背景情况:

• 六化硫 (SF) 是一种强有力的温室气体,在高压电气行业迫切需要环保替代品.
• 开发无SF6的替代品面临挑战,因为具有高介电强度,低全球变暖潜力和安全性等相互矛盾的要求.

研究的目的:

• 建立一个预测建模框架,用于识别具有改进环境和性能特性的新型气态介电材料.
• 利用化学键描述器来有效地虚拟选潜在的SF6替代品.

主要方法:

• 开发了一种机器学习方法,使用无维SMILES公式上的自动债券分解机制.
• 优化了人工神经网络,以将实验数据与八个关键绝缘气体特性的理论预测相关联.
• 应用了基于债券的模型来选PubChem的3727种化合物的介电性质.

主要成果:

• 通过使用键形容器,实现了绝缘气体特性实验和理论预测之间的优异相关性.
• 基于债券的机器学习算法在定义的应用领域内表现出稳定性和可靠性.
• 虚拟选确定了具有平衡性能的有希望的气态介电候选人的名单,尽管没有一个在各个方面都超过了SF6.

结论:

• 化学键可以作为预测气体介电性能的通用描述符,从而实现高效的虚拟选.
• 开发的方法为合理设计新型介电化合物提供了指导方针.
• 已识别的候选物值得进一步进行实验性研究,以作为SF₆替代品的实际应用.