AI 筛选电池材料,广州大学叶思宇院士开发可用于 P-SOC 材料预测的机器...
发布网友
发布时间：2024-10-24 13:26
共1个回答
热心网友
时间：2024-11-09 07:27
新能源行业的火热在2023年持续发酵，据中国汽车工业协会数据显示，1-11月，新能源汽车在中国的市场占有率达到了30.8%。同时，固态电池作为锂电池的升级版，成为资本和企业争相追逐的热点，被誉为电动车的“终极解决方案”。近年来，全球各大汽车及电池企业投入大量资源，固态电池产业从最初的资本狂热转向务实的落地实践。
资本的关注和行业的发展，推动了清洁能源电池技术的创新，尤其是质子导电固体氧化物电池（P-SOC）因其低温操作、低离子传导活化能等优势，逐渐受到关注。然而，高性能P-SOC的一大挑战是缺乏高效的质子导体空气电极材料。当前，广泛使用的空气电极材料基于Co/Fe的钙钛矿氧化物，但其在B位点上不同元素的作用缺乏系统研究。
针对这一难题，广州大学的研究团队开发了一种基于极限梯度增强（XGBoost）算法的机器学习模型，用于筛选P-SOC空气电极材料。这一模型不仅扩展了机器学习在燃料电池关键材料领域的应用，而且在“Advanced Functional Materials”上发表了相关成果。
在该研究中，团队通过比较随机森林（RF）和XGBoost模型在样本数据集上的预测性能，筛选出包含29个特征的792个样本作为研究数据库。最终，他们选择了表现更优的XGBoost模型进行深入分析。
通过机器学习模型，研究团队将元素结构作为输入，实现了对P-SOC空气电极的筛选。经过模型预测和密度泛函理论计算，他们成功筛选出了一种高效空气电极材料LCN91，其活化能与已知的空气电极材料相媲美。
实验结果表明，LCN91在催化活性方面表现出色。质子电导率由氧化物中质子吸收量（PAA）、质子扩散和质子转移的组合决定，实验数据与模型预测结果一致，即LCN91的PAA高于LCN82。LCN91氧化物的热膨胀系数低，这有助于提高电池性能和寿命。
叶思宇院士作为国际燃料电池电催化和催化剂层/MEA设计领域的领军人物，其团队致力于质子交换膜燃料电池的研究与开发。鸿基创能科技作为国内燃料电池膜电极研发生产的“小巨人”企业，自主研发全自动化MEA封装生产线，生产了与国际领先水平同步的具有自主知识产权的车用燃料电池膜电极。鸿基创能的成就打破了国外技术垄断，填补了国内相关领域的空白，推动了国内燃料电池核心材料的国产化。
国际氢能委员会预测，到2030年，绿氢需求将增长至7500万吨，未来十年全球对可再生低碳氢能的需求预计增长50%。随着传统能源企业和氢能燃料电池的融合发展，氢能燃料电池将不再局限于单一的燃料电池汽车领域，而是与整个能源体系紧密相连，展现出广阔的发展前景。
