▲第一作者：汪宁 通讯作者：AM：袁保印，唐春梅，叶思宇；AEM：杜磊，袁保印，叶思宇通讯单位：广州大学，华南理工大学，北海道大学 论文DOI：DOI: 10.1002/adma.202203446 (AM)；DOI: 10.1002/aenm.202201882 (AEM) 01 全文速览 本研究通过构建机器学习模型加速筛选质子陶瓷电池空气极材料，并且，论文作者结合实验和DFT理论计算对机器学习模型的预测准确性进行了理论验证，最后将筛选的高效质子传导氧化物用于PCC空气极，无论在燃料电池模式和电解池模式， PCC的电化学性能都处于领先地位。 02 背景介绍 氢能的高效利用，有助于“碳达峰、碳中和”这一目标的有效实现。燃料电池作为直接使用氢能发电而不产生任何碳排放的器件备受青睐。目前，常见的燃料电池按照工作温度可分为低温质子交换膜电池(PEMC; ＜200℃)和高温固体氧化物电池(SOC; ＞800℃)。然而两类电池均存在短板：由于工作温度较低，PEMC通常需要使用大量贵金属催化剂；SOC工作温度较高，不需要使用贵金属催化剂，但其寿命受到严重制约。可在中温区域(400-700℃)工作的质子陶瓷电池(PCC)既不需要贵金属催化剂，又可实现较高的能量转换效率（热电联供等），近年来备受瞩目。但是缺少高效质子传导的空气极是制约PCC发展的关键之一。传统的材料开发往往面临周期长，试错成本高等缺点。随着人工智能的发展以及材料数据库的增加，机器学习逐渐应用到材料科学领域。因此，本研究报道了机器学习加速PCC空气极氧化物的开发。 03 图文解析 该研究系统地考虑了795个氧化物本征物化性质和外界条件等66个自变量指标，去除相关性大于0.9的指标，训练了5个机器学习模型(SVM, KNN, GPR, GBM, RF) (图1)，兼顾准确性和可解释性选择最优模型，对3200种未知氧化物400–700 oC的质子引入量(600 oC，如图2所示)进行预测，从而筛选高效氧化物用于PCC空气极。本研究构建的机器学习模型揭示了影响氧化物质子引入能力的因素，为后续设计开发高效空气极提供了模型指导。▲图1. 预测变量的相关性分析。 ▲图2. 预测的3200种氧化物的质子引入量(600 oC)。 并且，论文作者通过结合实验和DFT理论计算表征筛选的高效质子传导氧化物质子传导性能（水化反应能，质子迁移能垒等）和ORR/OER活性(图3)，对机器学习模型的预测准确性进行了理论验证。将筛选的高效质子传导氧化物用于PCC空气极，无论在燃料电池模式和电解池模式，PCC的电化学性能都处于领先地位(图4)。本研究为设计PCC关键材料开辟了新的道路。▲图3. 筛选的氧化物质子传导和ORR/OER活性计算。 ▲图4. PCC结构图以及其在燃料电池和电解池模式下的电化学性能。 今年7月，该团队在Adv. Energy Mater.发表的另一篇有关质子陶瓷燃料电池的文章被选为封面论文(Front Cover)：第一作者：汪宁通讯作者：杜磊*，袁保印*，叶思宇*单位：广州大学，华南理工大学，北海道大学，河北大学DOI: 10.1002/aenm.202201882 04 作者介绍 第一作者简介汪宁，2020年博士毕业于日本北海道大学，主要研究方向为质子陶瓷电池关键材料、电催化、机器学习等。截至目前，以第一作者在Adv. Mater., Adv. Energy Mater., Chem. Mater., J. Mater. Chem. A等期刊发表文章12篇。 通讯作者简介袁保印，2020年博士毕业于日本北海道大学，现为华南理工大学数学学院助理研究员，主要研究方向是应用统计学、机器学习、计算数学等，致力于跨学科的数学建模与数据分析。 唐春梅，2022年博士毕业于日本北海道大学。研究方向：质子陶瓷电池，电化学制氢，固态离子学，热电材料等。 杜磊，广州大学副教授，广东省杰出青年基金获得者。博士期间曾赴美国华盛顿州立大学和太平洋西北国家实验室联合培养，2017年于哈尔滨工业大学获得工学博士学位。随后在哈尔滨工业大学担任助理教授，并在加拿大国家科学研究院（Institut National de la Recherche Scientifique）进行博士后研究工作。目前主要研究方向是电催化与电催化剂，反应机理及器件。 叶思宇，加拿大工程院院士，广州大学特聘教授，博士生导师，黄埔氢能源创新中心负责人和首席科学家，广东省省长经济顾问，广东省政府新能源汽车产业创新发展咨询委员会燃料电池汽车领域专家组组长，广东省氢能技术重点实验室第一届学术委员会主任，先进能源科学与技术广东省实验室云浮分中心学术委员会主任，加拿大不列颠哥伦比亚大学、滑铁卢大学、华南理工大学、南方科技大学兼职教授，厦门大学、西南交通大学名誉教授，中国科学院广州能源研究所客座研究员，鸿基创能科技（广州）有限公司副董事长兼首席技术官。 05 文章链接 1. N. Wang, B. Yuan*, C. Tang*, L. Du, R. Zhu, Y. Aoki, W. Wang, L. Xing, S. Ye*, Machine learning-accelerated development of efficient mixed protonic-electronic conducting oxides as the air electrodes for protonic ceramic cells. Advanced Materials, (2022). DOI: 10.1002/adma.202203446. https://doi.org/10.1002/adma.2022034462.N. Wang, C. Tang, L. Du*, R. Zhu, L. Xing, Z. Song, B. Yuan*, L. Zhao, Y. Aoki, S. Ye*, Advanced Cathode Materials for Protonic Ceramic Fuel Cells: Recent Progress and Future Perspectives. Advanced Energy Materials, (2022). DOI: 10.1002/aenm.202201882. https://doi.org/10.1002/aenm.202201882 相关推荐1. 仪器表征基础知识汇总2. SCI论文写作专题汇总3. Origin/3D绘图等科学可视化汇总4. 理论化学基础知识汇总5. 催化板块汇总6. 电化学-电池相关内容汇总贴7. 研之成理名师志汇总更多科研作图、软件使用、表征分析、SCI 写作、名师介绍等干货知识请进入后台自主查询。
