Qiao Li · Tan Zeng · Hongxiao Yang · Jun Ma 等6人 · Applied Physics Letters · 2025年1月 · Vol.126

本文提出一种基于物理信息神经网络（PINNs）的相场模拟方法，用于高效设计高能量存储性能的聚合物纳米复合材料。该方法融合深度学习与相场模型，通过嵌入控制方程和物理约束，显著提升计算效率并准确预测纳米复合材料中电畴演化与界面效应。结合实验验证，所提模型可优化填料分布与微观结构，实现高储能密度与低损耗。研究为多功能介电材料的设计提供了新范式。

解读: 该物理信息神经网络相场模拟技术对阳光电源储能系统的介电材料设计具有重要应用价值。在ST系列储能变流器和PowerTitan大型储能系统中，高能量密度电容器是直流母线支撑和滤波的关键器件，该技术可优化聚合物薄膜电容的填料分布与微观结构，提升储能密度并降低介电损耗，直接改善功率密度和系统效率。结合SiC...