社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

苏州大学严锋教授团队:机器学习辅助阴离子交换膜的设计与合成

研之成理 • 5 月前 • 152 次点击  

近日,苏州大学严锋教授团队的AMR述评文章“Machine Learning for Prediction and Synthesis of Anion Exchange Membranes”在线发表。文章总结了阴离子交换膜材料的研究进展,着重讨论了机器学习在预测阴离子交换膜性能和结构设计上的突破,展望了机器学习在膜材料精准合成中的应用前景和挑战。

关键词:阴离子交换膜、机器学习、氢能、燃料电池、电解水制氢


1

文章内容简介

基于阴离子交换膜的燃料电池和电解水制氢技术,因其碱性条件下高的能量转换效率以及非贵金属催化剂的使用,成为实现低成本、规模化氢能制取和利用的重要途径。然而,作为碱性能源器件的关键材料,阴离子交换膜(AEM)化学稳定性差、离子电导率低、尺寸稳定性不佳,严重阻碍了碱性能源器件的发展。AEM表现出比一般高分子膜材料更复杂的化学结构,这种复杂性除了归因于不同的链长、支化度和共聚组成,还涵盖了多变的离子类型、离子分布、离子交换容量、亲疏水簇、静电作用和微相结构。尽管在过去十年中,已有超过5,000篇相关文献致力于获得高性能AEM,但其仍未能达到实际的使用要求。使用传统的试错法进行复杂离子膜结构的设计开发,已经被证明效率低、成本高、周期长。近年来,我们课题组利用机器学习预测尚未发现的材料特性,致力于加快离子膜材料的开发进程。

在述评中,我们简要总结了AEM的最新进展,包括阳离子和聚合物骨架的结构设计、提高离子电导率的策略以及AEM各性能之间的trade-off效应所带来的严峻挑战。此外,我们详细介绍了机器学习用于AEM领域的最新突破,讨论了不同算法的适用性和局限性。优化后的机器学习模型不仅能够预测AEM的各种性能,例如离子电导率和化学稳定性,而且可以根据实际的性能需求,从数百万个未知结构中有效筛选出高性能膜结构,主动进行AEM的结构设计。展望未来,除了建立膜自身的构效关系,开发膜结构和能源器件性能的预测和反馈模型,对于优化器件性能和增加使用寿命至关重要。此外,机器学习也有望在其他AEM能源器件得到应用,例如CO2电催化、液流电池等,指导解决CO2催化选择性、电解质渗透等关键科学问题。综上所述,机器学习已经被证明能够显著降低AEM的开发周期和成本,成为实现高性能AEM精准合成的有力工具,推动了AEM能源器件的快速发展。

2

AMR:请和大家分享一下这个领域

可能会出现的研究机会!

作者团队:

阴离子交换膜材料的性能参数,往往不能直接反应能源器件的性能水平,说明异位测试和原位器件环境还是存在差异。目前膜材料在碱性能源器件内部的失效机制仍然不明晰,一方面要厘清能源器件内部的微环境,从理论上解析膜材料在使用寿命周期内的结构变化;另外一方面可以利用机器学习,建立膜结构和器件性能的直接关系。

3

AMR:您对该领域的人才培养有何种

倡议?

作者团队:

阴离子交换膜及氢能器件领域的人才培养需要围绕行业需求、学术前沿和技术应用,构建系统的培养体系,以培养高水平的研究型和应用型人才。不仅要支持科研人员在氢能技术瓶颈和前沿领域进行原创性研究,推动理论与技术突破。并且通过企业与高校合作,做好基础研究和实际应用场景的匹配性,推动低成本、规模化氢能源器件的快速发展。

作者团队简介


严锋,苏州大学教授。2014年获国家杰出青年科学基金资助,2015年入选江苏特聘教授,2016年被评为江苏省优秀教育工作者。2017年获江苏省科学技术一等奖(排名第一)。2019年入选苏州市“新时代基层典型”培育对象。2020年入选江苏省有突出贡献中青年专家。2022年入选江苏省“333工程”人才计划(第一层次)。2022年获得教育部自然科学二等奖(排名第一),2023年入选“江苏教师年度人物”。研究成果在Nature Materials, Nature Electronics等学术期刊发表论文200余篇。任Chemical Engineering Journal (Elsevier)副主编。



孙哲,苏州大学副研究员,从事碱性膜材料与能源器件的应用基础研究,相关研究成果在Angew. Chem. Int. Ed., Adv. Mater., Adv. Sci., Adv. Funct. Mater.等国际期刊发表SCI论文40余篇。主持各类科研项目8项,其中国家级1项,省部级1项,市厅级4项 。作为骨干成员参与国家重点研发计划氢能专项及国自然重点项目各1项。获苏州大学优秀青年学者(2022),第七届中国创新挑战赛最佳方案解决奖(2023),苏州市青年科技人才托举工程资助对象(2024),江苏省青年科技人才托举工程资助对象(2024),教育部自然科学二等奖(2022, 2/4)。


扫码阅读严锋教授团队的精彩Account文章:


Machine Learning for Prediction and Synthesis of Anion Exchange Membranes


Yongjiang Yuan, Pengda Fang, Han Yuan, Xiuyang Zou, Zhe Sun*, and Feng Yan*


原文链接:

https://pubs.acs.org/doi/10.1021/accountsmr.4c00384

投稿指南
目前Accounts of Materials Research的投稿主要基于编辑团队的邀请。如您有意投稿,请先按照Author Guidelines的要求准备并投递proposal, 编辑团队会对您的proposal进行评审。如果proposal被接受,我们将向您发送投稿邀请。扫码阅读作者指南,下载proposal form:


  


研理云服务器

业务介绍

研理云,研之成理旗下专门针对科学计算领域的高性能计算解决方案提供者。我们提供服务器硬件销售与集群系统搭建与维护服务。

   ● 配置多样(单台塔式、两台塔式、多台机架式),按需定制,质量可靠,性价比高。

 ● 目前已经为全国 100 多个课题组 提供过服务器软硬件服务(可提供相同高校或临近高校往期案例咨询)。
 ● 公司服务器应用工程师具有量子化学第一性原理分子动力学等相关学科研究背景。
 ● 公司与多位化学、材料领域理论计算方向专家长期合作,一起探索最优服务器软硬件配置和部署。
 ● 可参与招投标。
产品特色
  ● 定制化硬件配置:提供售前实例测试,为您提供最合适的硬件配置方案。
  ● 一体化软件服务:根据需求发货前,完成系统、环境、队列、计算软件等所有内容的安装与配置,让您实现开机即用
  ● 完善的售后服务:为每位客户建立专属服务群,遇到问题及时解决。大大降低使用学生使用门槛和缓解老师压力。三年硬件质保 + 三年免费软件技术支持。
  ● 已购买客户咨询:我们已有超过100位已购买客户,可以给您提供相同城市或者临近城市已购买客户的联系方式,以提供真实案例咨询  
 ● 赠送课程学习机会:可选课程包括量子化学(Gaussian),第一性原理,(Vasp),分子动力学模拟(Lammps、Grommacs),钙钛矿计算模拟(Vasp)等。具体赠送方案以沟通结果为准。



扫码添加客服微信

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。

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/178502
 
152 次点击