首次将AI引入基于非贵金属电催化剂的质子交换膜燃料电池研究领域学术资讯

来源：CBG资讯

非贵金属氧还原电催化剂的开发已经取得很大进展，部分催化剂的半电池性能可与铂基催化剂相媲美，但在全电池上性能仍然低很多，这是因为除了非铂催化剂本身催化活性外，影响全电池输出功率的因素还有很多。因此要想获得优化的全电池数据，除了筛选高性能非铂催化剂之外，还需要在全电池层面开展不同温度、压力、催化剂载量、Nafion含量等因素影响，即便采用了正交实验设计，实验工作量巨大，导致工作效率低下。此外，在分析宝贵的实验数据同时，即使是经验丰富的工作者也很难将高维模型的众多变量直接关联起来得出具有普适性结论来指导实验工作。将人工智能辅助设计引入燃料电池非铂催化剂的设计可以有效解决这个问题。

近日，南京大学现代工程与应用科学学院刘建国教授团队首次将人工智能（AI）引入到基于非贵金属电催化剂的质子交换膜燃料电池研究领域，辅助其优化性能测试参数，从而减少电池开发过程中不必要的实验。本研究整理了来自近10年本领域相关文献报道的超过10000个数据点，记录包括从催化剂元素组成，微观结构到燃料电池的操作条件与输出性能的信息构建数据库，采用人工智能领域广泛应用的16种算法进行学习建立数据驱动模型并为材料设计提供建议。相关成果以“Designing AI-aided analysis and prediction models for nonprecious metal electrocatalyst-based proton exchange membrane fuel cells”为题，发表于Angewandte Chemie International Edition（DOI: 10.1002/anie.202006928）上发表。

来源：BeanGoNews CBG资讯

原文链接：https://mp.weixin.qq.com/s?__biz=MzI4ODQ0NjUwMg==&mid=2247506918&idx=2&sn=aaf9fb34781e0e86dc771b03fd317cfc&chksm=ec3cdaafdb4b53b91cd77a4d84fe51ae90abfb83ddc6d2b871b9a938ddcd66982a2e9c4679c8#rd

电话：（010）86409582

邮箱：kejie@scimall.org.cn