日前，在国家自然科学基金项目、江西省自然（青年）科学基金重点项目和江西省重点研发计划项目的资助下，在江西农业大学教授文阳平，副教授艾施荣的指导下，电气工程学院教师刘鹏、黄磊在机器学习技术指导超级电容器多孔碳材料开发研究方向取得新进展。刘鹏等人在《电分析化学期刊》（JCR二区，IF=4.464）发表了题为“一种新兴的机器学习辅助设计高性能超级电容器材料策略：通过挖掘电容性能和多孔碳结构特征之间的关系”的论文，其中刘鹏为作者，黄磊为第三作者，江西机电职业技术学院为第二署名单位。
超级电容器具有功率密度高、寿命周期长、充放电速度快、维护成本低、封装工艺简单和与集成电路兼容等优点，被认为是一种优越的电化学储能系统。通过集成超级电容制备自供电系统已广泛应用于各种便携式微电子器件和传感领域。超级电容器的性能在很大程度上取决于所采用电极材料的结构特征、化学和物理性能，因此，高性能超级电容器材料的设计和筛选是超级电容器发展的基本要求。
如何通过挖掘材料的性能和结构特征之间的关系来设计高性能的材料是一重要课题。刘鹏等人的研究在收集已发表文献中数百个实验数据的基础上，通过挖掘多孔碳材料超级电容器的电容和材料结构特征之间的关系，研究了一种新的高性能超级电容器材料辅助设计策略。论文利用多孔碳材料结构特征（微孔比表面积占比Smicro/SSA、比表面积SSA、微孔比表面积Smeso、孔径PS、中孔体积占比Vmeso/PV）建立并比较了6种不同机器学习超级电容器电容性能预测模型，在所有机器学习模型中，XGBoost对超级电容的预测性能最好(R = 0.892)，所建立的模型具有准确的预测能力。此外，根据模型对特征重要性进行分析，结果表明，在所有多孔结构特征中，Smicro/SSA、SSA和PS对电容性能贡献很大。该研究成果大大减少了高性能超级电容材料辅助设计的实验工作量，也为高性能材料的设计提供了新思路。
