슈퍼커패시터는 하이브리드 전기자동차와 휴대용 전자기기에서 에너지 저장용으로 널리 사용되는데, 이는 빠른 충·방전 속도, 긴 수명, 낮은 유지보수 때문이다. 본 연구는 인공신경망(ANN) 모델을 사용하여 탄소 기반 물질의 다양한 물리화학적 특성이 전기이중층 커패시터의 축전 성능에 미치는 영향을 조사하였다. 데이터는 발표된 실험 데이터셋(300편이 넘는 문헌)에서 검색하여 ANN 모델을 구축하고 평가하는 데 활용하였다. 입력 변수들이 비정전용량(F/g)에 미치는 영향을 추정하기 위해 총 66개의 아키텍처를 개발하였다. 그중에서도 0.5/0.8 모멘텀 항/학습률 및 15,000번 반복을 갖는 13–9–9-1 아키텍처가 높은 정확도를 보이며 최소 오차를 나타냈다. 개발된 ANN 모델은 민감도 분석과 정성적 평가를 통해 입력 변수들이 비정전용량에 미치는 영향을 예측한다. 또한 본 연구의 결과는 모듈형 오픈소스 애플리케이션으로 구현되어, 입력으로 탄소 기반 전극의 특성만을 제공함으로써 축전용량을 추정할 수 있게 하였다. 아울러 본 연구는 발표된 연구 논문에서 추출한 슈퍼커패시터용 탄소 전극에 대한 새로운 포괄적 데이터셋을 제시하고, 전기화학 기술이 ANN으로부터 어떻게 이점을 얻을 수 있는지를 강조한다. • ANN 모델을 개발하여 탄소 기반 슈퍼커패시터의 비정전용량을 예측하였다. • 최적 아키텍처는 0.5 MT, 0.8 LR, 15,000번 반복을 갖는 13–9–9-1이었다. • ANN 모델의 시냅스 가중치를 기반으로 GUI를 생성하였다. • 입력 변수의 비정전용량에 대한 영향을 정량적으로 추정하였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.