研究人员利用人工智能的力量，显着推进了用于氧还原反应(ORR)的多组分金属氧化物电催化剂的发现和优化。

这一突破有可能彻底改变氢燃料电池和电池等可再生能源技术的效率和可负担性，为可持续能源的未来铺平道路。

研究结果的详细信息于2024年4月23日发表在《材料化学A杂志》上。

该研究分析了来自高通量实验的7,798种不同的金属氧化物ORR催化剂。这些催化剂含有镍、铁、锰、镁、钙、镧、钇和铟等元素，并在不同的电位下进行了测试，以评估其性能。

研究人员利用XGBoost机器学习方法建立了一个预测模型来识别潜在的新成分，而无需进行详尽的实验测试。

研究发现，大量的流动电子和高构型熵是ORR中实现高电流密度的关键特征。对于0.8VRHE的电流密度，三元体系Mn-Ca-La、Mn-Ca-Y和Mn-Mg-Ca显示出氢燃料电池应用的巨大潜力。VRHE为0.63时，Mn-Fe-X(X=Ni、La、Ca、Y)和Mn-Ni-X(X=Ca、Mg、La、Y)系统被认为是生产过氧化氢的有前途的候选系统。

“我们采用机器学习的创新方法加速了多组分催化剂的设计和优化，节省了大量的时间和资源，”材料高级研究所助理教授、该研究的共同作者之一薛佳说。

“通过有效地识别高性能催化剂组合物，我们拥有了一种经过验证的变革方法，可以导致可持续能源技术的重大进步。

增强型催化剂可提高可再生能源技术的效率并降低其成本，从而促进其更广泛地应用并减少对化石燃料的依赖。更高效的能源储存系统可以降低总体成本，使可再生能源更容易获得并有助于环境保护。

本研究成功应用机器学习，为未来研究开创了先例，有望在各个科学领域取得突破。改进的ORR催化剂还可以提高过氧化氢的产量，过氧化氢广泛用于消毒和工业过程，有利于公众健康和安全。

“这项研究强调了人工智能在加速催化剂设计和材料发现方面的巨大潜力，”贾补充道。“我们的研究结果有望使可持续能源技术的未来突破成为可能，这对于应对全球能源挑战至关重要。”

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：