经费预存选华算：重磅加码，高至17%预存增值！
气体扩散层（GDL）的合理设计能够提高质子交换膜燃料电池（PEMFC）功率密度并降低成本。然而，目前最先进的GDL仍依赖耗时巨大的反复实验进行优化。2025年7月15日，南方科技大学赵天寿在国际知名期刊Nature Communications发表题为《Artificial-intelligence-guided design of ordered gas diffusion layers for high-performing fuel cells via Bayesian machine learning》的研究论文，Jing Sun、Pengzhu Lin为论文共同第一作者，赵天寿为论文通讯作者。
本研究提出了一种基于贝叶斯机器学习的闭环设计流程，以指导GDL结构的合理设计。
通过人工神经网络加速重建GDL各向异性传输性能的计算，贝叶斯优化算法仅需40步即可识别最优结构，实现PEMFC极限电流密度的最大化。结果表明，最优多孔GDL结构由取向高度一致、直径适中的纤维构成，该结构已通过可控静电纺丝技术成功制备。采用该GDL的PEMFC实现了高达2.17 W cm
-2的功率密度和约7200 mA cm-2的极限电流密度，远超商用GDL性能（1.33 W cm-2和约2700 mA cm-2）。图1：AI-闭环贝叶斯机器学习流程示意图。(a)闭环贝叶斯机器学习工作流：利用人工神经网络（ANN）快速计算GDL各向异性传输性能，再通过贝叶斯优化（BO）在40步内锁定最优结构；随后采用可控静电纺丝制备优化GDL，并在不同工况下进行燃料电池测试。(b)基于孔隙网络模型计算GDL各向异性传输性能（渗透率、曲折度、扩散率）。(c–d)BO收敛曲线：以极限电流密度（LCD）为目标函数，展示最优值（optimum fund）与采样过程（BO sampling）。(e)将纤维孔隙率、直径与取向三个几何参数映射到优化空间中，红色星标为最终优选结构。图2：静电纺丝有序GDL的制备与表征。(a)静电纺丝射流示意图：低压形成随机纳米纤维，高压形成取向微米纤维；E为外加电压。(b–e)不同PAN浓度（8、11、13、15 wt%）所得碳化纤维的SEM形貌：浓度越高，纤维直径越大且取向性越好。(f)经疏水处理的自制aGDL与商品cGDL的接触角对比，约144°vs147°。(g)EDS元素分布图，显示F、Si均匀覆盖纤维表面。(h)拉曼光谱对比：aGDL与cGDL的石墨化程度差异（D、G、2D峰）。图3：GDL结构及排布方式对PEMFC性能的影响。(a)不同GDL结构及排布示意图：aGDL_d1–d3为不同直径取向纤维；aGDL_parallel为纤维平行于流道；rGDL_d3为随机堆叠取向纤维。(b)汞压法测得各GDL孔径分布：aGDL_d3孔径最大且分布最宽。(c)不同纤维直径对性能的影响：直径越大，极限电流密度越高。(d)有无MPL的性能对比：有MPL可降低接触电阻但略增传质阻力。(e)取向纤维垂直/平行于流道的性能对比：垂直排布传质更优。(f)取向纤维与随机纤维的性能对比：取向结构显著提升高电流密度性能。图4：aGDL与cGDL全面性能对比。(a)单电池内部水传输路径示意：cGDL随机孔结构易积水，aGDL取向孔结构快速排水。(b)标准测试条件下极化曲线与高频阻抗（HFR）对比：aGDL极限电流密度≈7200 mA cm-2，功率密度2.17 W cm-2，分别是cGDL的2.7倍与1.6倍。(c)不同化学计量比（1–3）下的性能：aGDL在低流量下仍保持高功率。(d)不同温度（40–80 °C）测试：aGDL在低温下仍无明显水淹。(e)不同相对湿度（20–120%）测试：aGDL在高湿下性能提升，cGDL则因水淹下降。(f)不同背压（0–200kPa）测试：aGDL背压越高性能越好，cGDL相反。(g)汇总各工况峰值功率密度：aGDL全面优于cGDL。(h)0.4 V恒压稳定性：aGDL 10h内电流密度>5000 mA cm-2且稳定，cGDL波动大。图5：水/气传输机理实验与模拟分析。(a)不同电流密度下的电化学阻抗谱（EIS）：cGDL因水淹测试受限，aGDL可测至6 A cm-2。(b)浓度损失对比：aGDL明显低于cGDL。(c)氧传输阻力（OTR）对比：aGDL在各氧浓度和背压下均显著降低。(d, f)孔隙网络模拟得到的GDL内液态水饱和度分布（低出口覆盖率LOC）。(e, g)GDL沿厚度方向与平面方向的平均饱和度曲线：aGDL始终低于cGDL。(h)电池尺度模拟：aGDL显著降低液态水饱和度并提高氧分压。(i)肋下/通道区域水饱和与氧压分布：aGDL肋下区域氧压更高，水淹更轻。本研究提出“AI-贝叶斯机器学习闭环”方法，仅用40步就设计出由取向纤维构成的气体扩散层（GDL），并通过可控静电纺丝成功制备。实验结果显示，该有序GDL使PEMFC峰值功率密度达2.17 W cm-2、极限电流密度~7200 mA cm-2，分别比商用GDL提升1.6倍和2.7倍；在宽温、宽湿、宽流量、宽背压等工况下均表现优异，且长期抗水淹、耐腐蚀。该AI-实验协同设计范式为下一代燃料电池GDL提供了通用、可扩展的“数字化-闭环”研发路线，有望直接用于重型交通与分布式储能系统，加速氢能经济落地。
Artificial-intelligence-guided design of ordered gas diffusion layers for high-performing fuel cells via Bayesian machine learning. Nat. Commun., 2025, https://doi.org/10.1038/s41467-025-61794-y高端测试，找华算 ！同步辐射XAS直降千元，限时2500元/元素，限量秒杀，立即预约抢占先机，2025顶刊快人一步！🏅 500+博士团队护航，助力50000+研究在Nature&Science正刊及子刊、Angew、AFM、JACS等顶级期刊发表！👉 点击阅读原文，立即下单！💖
