Tụ điện màng là thành phần then chốt trong công nghệ điện hóa và năng lượng tái tạo. Theo báo chí nước ngoài, Phòng thí nghiệm Quốc gia Lawrence Berkeley của Bộ Năng lượng Hoa Kỳ (Berkeley Lab) cùng nhiều tổ chức hợp tác đã thành công trong việc trình diễn một công nghệ học máy để tăng tốc độ phát hiện vật liệu tụ điện màng. Công nghệ này có thể được sử dụng để sàng lọc thư viện cấu trúc hóa học (với gần 50.000 cấu trúc hóa học) nhằm xác định các hợp chất có hiệu suất kỷ lục.
Trường Đại học Wisconsin-Madison, Viện Nghiên cứu Scripps, Đại học California, Berkeley và Đại học Southern Mississippi có nhiều cộng sự đóng góp chuyên môn về học máy, tổng hợp hóa học và đặc trưng vật liệu.
Nhà nghiên cứu tại Phòng thí nghiệm Berkeley, Yi Liu cho biết: “Để thực hiện công nghệ năng lượng tái tạo hiệu quả về kinh tế và đáng tin cậy, chúng ta cần có vật liệu tụ điện với hiệu suất tốt hơn vật liệu hiện tại. Công nghệ sàng lọc đột phá này sẽ giúp tìm ra những vật liệu quý hiếm này.”
Hiện nay, nhu cầu về tụ điện màng trong các ứng dụng nhiệt độ cao và công suất lớn đang tăng nhanh, như xe điện, hàng không điện, điện tử công suất và không gian. Hơn nữa, tụ điện màng cũng là thành phần không thể thiếu trong các bộ biến tần, có khả năng chuyển đổi năng lượng mặt trời và gió thành dòng điện xoay chiều sử dụng cho lưới điện.
Tụ điện màng cần vật liệu chịu nhiệt
Tụ điện màng tĩnh điện được tạo thành từ vật liệu cách điện kẹp giữa hai tấm kim loại dẫn điện. Pin sử dụng phản ứng hóa học để lưu trữ và giải phóng năng lượng lâu dài, trong khi tụ điện sử dụng điện trường áp dụng để sạc và xả năng lượng nhanh hơn. Tụ điện màng có thể được sử dụng để điều chỉnh chất lượng năng lượng trong nhiều hệ thống điện, chẳng hạn như kiềm chế dòng điện gợn sóng và làm mượt dao động điện áp, nhằm đảm bảo trạng thái vận hành ổn định, an toàn và đáng tin cậy.
Polyme (các đại phân tử với đơn vị hóa học lặp lại) rất thích hợp để sử dụng làm vật liệu cách điện trong tụ điện màng vì chúng nhẹ, dẻo dai và có độ bền dưới điện trường áp dụng. Tuy nhiên, trong nhiều ứng dụng hệ thống điện, khả năng chịu nhiệt độ cao của polyme còn hạn chế. Nhiệt độ cao có thể làm giảm khả năng cách điện của polyme và dẫn đến hiệu suất suy giảm.
Rút ngắn 49.700 loại polyme xuống còn ba loại
Trước đây, các nhà nghiên cứu đã tìm kiếm các polyme hiệu suất cao bằng cách thử nghiệm lặp đi lặp lại, tức là mỗi lần tổng hợp một vài polyme ứng cử viên và sau đó đặc trưng hóa đặc tính của chúng. Nhưng nhà nghiên cứu sau tiến sĩ tại Berkeley, He Li cho biết: “Phương pháp này quá chậm để tìm ra các phân tử triển vọng từ hàng trăm ngàn khả năng.”
Để tăng tốc quy trình phát hiện, đội ngũ này đã phát triển và đào tạo một bộ mô hình học máy, cụ thể là mạng nơ-ron truyền phát, để sàng lọc thư viện cấu trúc gần 50.000 polyme nhằm đạt được tổ hợp hiệu suất tối ưu như khả năng chịu nhiệt cao, điện trường mạnh, mật độ lưu trữ cao và dễ tổng hợp. Những mô hình này đã xác định ba loại polyme đặc biệt hứa hẹn.
Những nhà nghiên cứu tại Viện Nghiên cứu Scripps đã sử dụng công nghệ “hóa học liên kết” (click chemistry) mạnh mẽ để tổng hợp ba loại polyme này. Công nghệ này có khả năng kết nối nhanh chóng và hiệu quả các khối xây dựng phân tử để tạo thành sản phẩm chất lượng cao.
Tại Phòng thí nghiệm phân tử Berkeley (Molecular Foundry), các nhà nghiên cứu đã sử dụng những polyme này để chế tạo tụ điện màng, sau đó đánh giá cả polyme và tụ điện. Nhóm nghiên cứu phát hiện rằng, chúng có hiệu suất điện và nhiệt xuất sắc. Tụ điện được chế tạo từ một trong số những polyme này cho thấy khả năng chịu nhiệt, hiệu suất cách điện, mật độ năng lượng và hiệu suất kỷ lục (tụ điện hiệu suất cao lãng phí rất ít năng lượng trong quá trình sạc và xả). Các thử nghiệm bổ sung cho thấy những tụ điện này có chất lượng vật liệu xuất sắc, độ ổn định trong vận hành và độ bền cao.
Tạo ra mô hình tốt hơn
Nhóm nghiên cứu đang xem xét một số hướng nghiên cứu tiếp theo. Các nhà nghiên cứu cho biết, một ý tưởng là thiết kế mô hình học máy để hiểu sâu hơn về cách cấu trúc polyme ảnh hưởng đến hiệu suất của chúng. Một lĩnh vực nghiên cứu tiềm năng khác là phát triển mô hình trí tuệ nhân tạo sinh điều kiện, đào tạo những mô hình này để thiết kế polyme hiệu suất cao mà không cần sàng lọc thư viện.
Giáo sư hóa học WM Keck tại Viện Nghiên cứu Scripps, Sharpless cho biết: “Phân tích trí tuệ nhân tạo của chúng tôi đã nhanh chóng xác định một số biến số then chốt trong chi tiết thiết kế polyme, dự kiến rằng những biến số này sẽ cải thiện đáng kể hiệu suất chắn của màng polysulfone. Những yếu tố dự đoán học máy đầu tiên này được thu thập thông qua thử nghiệm, có thể được sử dụng để cải thiện dinh dưỡng của tụ điện.”
Nghiên cứu này được hỗ trợ bởi Văn phòng Khoa học của Bộ Năng lượng Hoa Kỳ.