在人工智能（AI)的帮助下，美国能源部橡树岭国家验室ORNL（Oak Ridge National Laboratory）的化学家们设计了一种创纪录的碳质超级电容器材料，可存储. 用这种新材料制成的超级电容器可以储存更多的能量——改善再生制动器、电力电子设备和辅助电源。
这项研究有可能加速超级电容器应用的碳材料的开发和优化。这项突破性研究使用的是当时最好的数据，但科学家现在拥有更多边界数据，可用于训练机器学习模型，以便进行下一项研究。
ORNL和田纳西大学诺克斯维尔分校的化学家Tao Wang表示：通过结合数据驱动的方法和他们的研究经验，他们创造了一种具有增强的物理化学和电化学性能的碳材料，将碳超级电容器的能量存储边界推向了一个新的水平。
ORNL领导的研究使用了机器学习（一种从数据中学习以优化结果的人工智能）来指导发现最高级的材料。来自加州大学河滨分校（FIRST合作大学）的潘润通、周木森和吴建中建立了一个人工神经网络模型，并训练它设定一个明确的目标：开发一种用于能源输送的“梦想材料”。
该模型预测，该模型预测，如果碳共掺杂氧和氮，碳电极的最高电容将会达到惊人的570法拉每克
这种合成材料的电容为每克611法拉，是典型商业材料的四倍。该电容是基于电极材料表面连续、快速、可逆的氧化还原反应而储存的电荷。氧/氮位反应产生的假电容占总电容的25%。这种材料的表面积是有记录以来最高的碳质材料之一——每克超过4000平方米。
这个成功来得很快。数据驱动的方法让王和戴在三个月内就实现了以前至少需要一年才能实现的目标。
人们实现了碳材料的极限性能，如果没有机器学习设定的目标，我们可能会在不知道材料极限的情况下，需要通过反复试验不断优化材料。
成功的关键是获得两种类型的孔——介于2到50纳米（十亿分之一米）之间的中孔和小于2纳米的微孔。在实验分析中，化学家们发现介孔和微孔的结合不仅为能量存储提供了高表面积，而且为电解质运输提供了途径。Miaofang Chi和Zhennan Huang在美国能源部ORNL的纳米材料科学中心实验室进行了扫描透射电子显微镜来表征中孔，但微孔太小了，通常很难看见。
全球领先的美国橡树岭国家实验室（ORNL）是位于美国田纳西州橡树岭的一个联邦政府资助的研究和开发中心。该实验室成立于 1943 年，现由美国能源部资助并由UT–Battelle, LLC管理。ORNL拥有多台世界顶级超级计算机，其中Frontier被评为全球最强大的计算机之一 。该实验室是领先的中子和核能研究设施，包括散裂中子源、高通量同位素反应堆和纳米相材料科学中心。
