近日，刘辉副教授、陈骏教授团队通过机器学习辅助设计出高性能高熵无铅弛豫铁电储能材料。该研究工作于2025年2月1日以“Machine learning assisted composition design of high-entropy Pb-free relaxors with giant energy-storage”为题，发表在Nature Communications期刊上。

铁电储能陶瓷电容器具有充放电速度快、功率密度高和稳定性好等特点，广泛应用于电子器件和电子电力系统。然而，相比于电池等电化学储能器件，其储能密度亟需进一步提高。无铅弛豫铁电体的化学组分复杂、可探索组分空间大，如何实现高储能特性材料化学组分设计是一大挑战。

团队利用机器学习辅助设计，成功开发出一种具有超高储能密度的高熵无铅弛豫铁电陶瓷材料，其储能密度为20.7 J cm^-3，效率为86%，为开发高性能储能材料提供了新思路。研究者采用随机森林回归模型，从有限的实验数据中筛选出关键特征，并从数百万种可能的成分中预测出四种高熵成分。通过实验验证，最终确定了具有细晶粒、弱耦合和小尺寸极性团簇的高熵弛豫铁电体材料。该材料表现出近线性的极化行为和超高的击穿强度（95 kV mm^-1），在27 ns的放电速率下，放电能量密度达到7.7 J cm^-3，并具有优异的热稳定性和抗疲劳性能，是下一代高性能储能电容器的有力候选材料。