高效機器學習預測陶瓷燃料電池氧還原電極
2022年11月
陶瓷燃料電池是極具應用前景的清潔發電裝置，要物盡其用並發展成高效穩定的綠色能源技術，當中關鍵是為其篩選發展高效耐用的陰極材料。不過，傳統測試採用的常規試錯流程，進行材料開發費時且昂貴，也難以找尋到真正優良的材料。
高效開發氧還原電極
最近，香港理工大學建築與房地產學系的倪萌教授團隊，和深圳大學謝和平院士及南京工業大學邵宗平教授合作，在國際頂級學術期刊《自然-能源》（Nature Energy）發表題為「結合路易士酸描述符和機器學習預測陶瓷燃料電池的氧還原電極」（A combined ionic Lewis acid descriptor and machine-learning approach to prediction of efficient oxygen reduction electrodes for ceramic fuel cells）的研究論文。作者設計出一種實驗驗證的機器學習驅動方法，以加速開發高效的氧還原電極，其中離子Lewis酸強度(ISA)作為鈣鈦礦氧化物氧還原反應活性的物理描述符。
促進綠色發電技術
該研究採用了機器學習，原子尺度計算和實驗研究相結合的方法，開發了一個經過實驗驗證的陰極材料機器學習篩選技術，能夠從超過6000種可能的材料成分中，篩選出適用於陶瓷燃料電池的材料，並進行了詳細分析和測試，獲得了優異的燃料電池性能和穩定性。
該項研究使用機器學習輔助材料篩選和設計，加快陶瓷燃料電池的開發，為實現綠色電力、碳中和目標開闢了新途徑。
論文的第一作者是博士研究生翟朔，由倪萌教授和謝和平院士聯合指導。邵宗平教授亦參與指導了該項研究。
