研究人员利用人工智能的力量，显著推进了用于氧还原反应 (ORR) 的多组分金属氧化物电催化剂的发现和优化。这一突破有可能彻底改变氢燃料电池和电池等可再生能源技术的效率和可负担性，为可持续能源的未来铺平道路。

研究结果的详细信息于 2024 年 4 月 23 日发表在《材料化学 A 杂志》上。

该研究分析了来自高通量实验的 7,798 种不同的金属氧化物 ORR 催化剂。这些催化剂含有镍、铁、锰、镁、钙、镧、钇和铟等元素，并在不同的电位下进行了测试以评估其性能。研究人员使用 XGBoost 机器学习方法建立了一个预测模型来识别潜在的新成分，而无需进行详尽的实验测试。

研究发现，大量流动电子和高配置熵是实现 ORR 高电流密度的关键特征。对于 0.8 V RHE的电流密度，三元体系 Mn-Ca-La、Mn-Ca-Y 和 Mn-Mg-Ca 显示出在氢燃料电池应用中的巨大潜力。在 0.63 V RHE下，Mn-Fe-X(X = Ni、La、Ca、Y)和 Mn-Ni-X(X = Ca、Mg、La、Y)体系被确定为过氧化氢生产的有希望的候选者。

“我们使用机器学习的创新方法加速了多组分催化剂的设计和优化，节省了大量的时间和资源，”高级材料研究所助理教授、这项研究的合著者薛佳说。“通过有效地识别高性能催化剂成分，我们拥有一种经过验证的变革性方法，可以带来可持续能源技术的重大进步。

增强型催化剂可以提高可再生能源技术的效率并降低其成本，从而促进其更广泛地应用并减少对化石燃料的依赖。更高效的能源存储系统可以降低总体成本，使可再生能源更容易获得并有助于环境保护。本研究中机器学习的成功应用为未来的研究开创了先例，有可能在各个科学领域取得突破。改进的 ORR 催化剂还可以增强过氧化氢的产量，过氧化氢广泛用于消毒和工业过程，有益于公众健康和安全。

贾跃亭补充道：“这项研究凸显了人工智能在加速催化剂设计和材料发现方面的巨大潜力，我们的研究结果有望推动未来可持续能源技术的突破，这对于应对全球能源挑战至关重要。”