清华大学出版社学术期刊
东北大学齐西伟团队:从试错到智能设计:机器学习助力BaTiO3基高熵储能陶瓷实现性能新突破 精选
2026-3-12 10:13
阅读:2539

原文出自Journal of Advanced Ceramics (先进陶瓷)期刊

image001.png

Cite this article:

Liu H, Zhang X, Ma Z, et al. Machine learning-driven BaTiO3-based high-entropy ceramics with ultrahigh energy storage density from crossover region. Journal of Advanced Ceramics, 2026, https://doi.org/10.26599/JAC.2026.9221274

文章DOI10.26599/JAC.2026.9221274

ResearchGateMachine learning-driven BaTiO3-Based high-entropy ceramics with ultrahigh energy storage density from crossover region

 

基金支持:

本研究得到了国家自然科学基金(项目编号:U23A2060552572011)的支持。

 

一、导读

随着电子器件向小型化、集成化方向快速发展,对介电储能材料提出了更高要求。高熵策略通过引入多种阳离子构建复杂局域结构,在提升储能性能方面展现出巨大潜力。然而,高熵体系成分空间极其广阔,传统“试错法”研发效率低下,东北大学齐西伟/张晓燕团队应用机器学习策略,筛选得到了一种位于弛豫铁电体与超顺电体之间的“交叉区域”的高熵陶瓷,最终获得10.8 J·cm-3的超高储能密度和86%的高效率,为高性能储能材料的开发提供了新范式。

image002.jpg

 

二、研究背景

随着电子信息技术、智能电网和新能源汽车等领域的快速发展,对具有高功率密度、小型化和高稳定性的介质陶瓷电容器的需求日益迫切。提高电容器的储能密度与效率,关键在于材料需同时具备高击穿场强和大的极化差值。然而,传统铁电材料虽极化强度高,但剩余极化大、击穿场强低,难以满足应用需求。通过高熵策略调控弛豫铁电体的微观结构,是一种有效的方法。然而,高熵体系成分空间极为广阔,传统试错法在探索最优组成时效率低下、成本高昂,严重制约了高性能储能材料的研发进程。因此,迫切需要建立高效的材料设计方法,以快速筛选和精准构建具有优异综合性能的高熵陶瓷体系。

 

三、文章亮点

1)机器学习加速高熵陶瓷开发:本研究构建了基于随机森林的机器学习模型,结合预期提升采集函数,成功在约66万种候选成分中快速筛选出最优高熵陶瓷,大幅降低了传统“试错法”的时间与实验成本,为复杂功能材料的高效设计提供了新范式。

2)精准调控交叉区域实现协同优化:通过机器学习指导,成功将材料组成设计在弛豫铁电体与超顺电态之间的“交叉区域”。该区域实现了纳米畴与极性纳米团簇的协同共存,同时获得了高最大极化和低剩余极化,从结构源头破解了储能密度与效率难以兼得的难题。

3)卓越的综合储能性能与实用潜力:最优组分陶瓷实现了10.8 J·cm-3的超高可回收储能密度和86%的高效率,远超初始数据集。同时,该材料在宽温域、宽频范围内表现优异,并具有超快放电速度(40.7 ns)和高功率密度(286 MW·cm-3),在脉冲功率电容器领域展现出极强的实际应用价值。

 

四、研究结果及结论

高熵弛豫铁电陶瓷因其可调控的局域极化构型,在电介质储能领域展现出巨大潜力。然而,传统试错法难以高效探索其广阔的成分空间,严重制约了高性能材料的发现。针对这一挑战,本研究构建了一套基于随机森林回归的机器学习框架,结合预期提升效能函数,在约66万种候选组分中快速筛选出最优高熵陶瓷组成。该方法不仅利用模型预测值,还引入预测不确定性,在“探索”与“利用”之间实现了智能平衡,显著提升了筛选效率与准确性。

image003.png

1.a)机器学习示意图。(b)典型RFE在不同频率下的温度相关介电响应示意图,以及传统FERFE、交叉区域和SPE-RFE状态对应的极化响应。

实验验证了机器学习筛选出的最优组分Ba0.24Sr0.24Bi0.26Na0.26Ti0.85Zr0.15O3X射线衍射、拉曼光谱、压电力显微镜及球差校正透射电镜结果表明,该陶瓷呈现出多相共存的局域结构特征,由四方相、菱方相和正交相构成的极性纳米微区与纳米畴协同共存。该陶瓷在600 kV·cm-1的电场下实现了10.8 J·cm-3的超高可回收储能密度和86%的效率。与现有典型无铅高熵陶瓷相比,该组分在储能密度与效率的综合性能上展现出显著优势。该工作不仅为高性能电介质储能材料的设计提供了可推广的智能化研究范式,也展示了机器学习在加速复杂功能陶瓷研发中的巨大潜力。

image004.png

2.(a)所有陶瓷的XRD图谱。(bx = 0.15陶瓷的XRD图谱的Rietveld优化图。(cx = 0.120.150.18陶瓷的拉曼光谱。(d)和(g)分别为沿 [100] 轴和 [110] B位阳离子位移矢量。(e)和(h)分别为沿 [100] 轴和 [110] 轴的离子位移距离分布。(f)和(i)分别为沿 [100] 轴和 [110] 轴离子位移角度分布的分布。

 

五、作者及研究团队简介

齐西伟(通讯作者),东北大学材料科学与工程学院教授、博士生导师。主要从事多铁性材料、高熵陶瓷及氧化物玻璃研究,主持国家自然科学基金面上项目等省部级以上科研项目7项。以第一或通讯作者在Advanced Functional Materials等期刊发表论文100余篇,获授权发明专利10余项。

 

作者及研究团队在Journal of Advanced Ceramics上发表的相关代表作:

1Ni B, Bao A, Gu Y, et al. High-entropy enhanced room-temperature ferroelectricity in rare-earth orthoferrites. Journal of Advanced Ceramics, 2023, 12(4): 724-733. https://doi.org/10.26599/JAC.2023.9220715

 

《先进陶瓷(英文)》(Journal of Advanced Ceramics期刊简介

《先进陶瓷(英文)》于2012年创刊,清华大学主办,清华大学出版社出版,清华大学新型陶瓷材料全国重点实验室提供学术支持,创刊主编为中国工程院院士、清华大学李龙土教授,主编为中国科学院院士、清华大学林元华教授、苏州国家实验室周延春教授、广东工业大学林华泰教授和哈尔滨工业大学张幸红教授。该刊主要发表先进陶瓷领域的高质量原创性研究和综述类学术论文,涉及先进陶瓷的制备、结构表征、性能评价的各个细节,尤其侧重新材料研制和先进陶瓷基础科学研究等重要方面,致力于在世界先进陶瓷领域搭建学术交流平台,引领和促进先进陶瓷学科的发展。已被SCIEEi CompendexScopusDOAJCSCD等数据库收录。现为月刊,2025年发文量为202篇;20256月发布的影响因子为16.6,连续5年位列Web of Science核心合集“材料科学,陶瓷”学科33种同类期刊第1名;202411月入选“中国科技期刊卓越行动计划二期”英文领军期刊项目;2025年入选中国科学院文献情报中心期刊分区表材料科学1Top期刊。2023年起,本刊结束与国际出版商的合作,改由清华大学出版社自主研发、拥有自主知识产权的科技期刊国际化数字出版平台SciOpen独家发布,标志着该刊结束多年来“借船出海”的办刊模式,回归本土独立运营,也是我国优质英文期刊中最早回归国产平台的期刊之一。

 

期刊主页:https://www.sciopen.com/journal/2226-4108

投稿地址:https://mc03.manuscriptcentral.com/jacer

期刊ResearchGate主页:https://www.researchgate.net/journal/Journal-of-Advanced-Ceramics-2227-8508

 

image005.png

转载本文请联系原作者获取授权,同时请注明本文来自清华大学出版社学术期刊科学网博客。

链接地址:https://wap.sciencenet.cn/blog-3534092-1525461.html?mobile=1

收藏

当前推荐数:0
推荐到博客首页
网友评论0 条评论
确定删除指定的回复吗?
确定删除本博文吗?