您的位置首页 >生活百科 >

机器学习方法加速绿色能源材料的发现

导读 九州大学的研究人员与大阪大学和精细陶瓷中心合作开发了一个框架,利用机器学习来加速绿色能源技术材料的发现。利用这种新方法,研究人员确...

九州大学的研究人员与大阪大学和精细陶瓷中心合作开发了一个框架,利用机器学习来加速绿色能源技术材料的发现。利用这种新方法,研究人员确定并成功合成了两种用于固体氧化物燃料电池的新候选材料——可以使用氢等燃料产生能量的装置,这种燃料不排放二氧化碳。他们的研究结果发表在《先进能源材料》杂志上,也可用于加速寻找能源领域以外的其他创新材料。

为了应对气候变暖,研究人员一直在开发不使用化石燃料的新能源生产方法。“实现碳中和的途径之一是创建氢社会。然而,除了优化氢气的制造、储存和运输方式外,我们还需要提高氢燃料电池的发电效率。”九州大学材料科学与技术系跨氢燃料电池平台的Yoshihiro Yamazaki教授解释道/跨学科能源研究(Q-PIT)。

为了产生电流,固体氧化物燃料电池需要能够通过固体材料(称为电解质)有效传导氢离子(或质子)。目前,对新型电解质材料的研究主要集中在具有非常特殊的原子晶体排列(称为钙钛矿结构)的氧化物上。

“第一个发现的质子传导氧化物是钙钛矿结构,并且新的高性能钙钛矿不断被报道,”山崎教授说。“但我们希望将固体电解质的发现扩展到非钙钛矿氧化物,它也具有非常有效地传导质子的能力。”

然而,通过传统的“试错”方法发现具有替代晶体结构的质子传导材料具有许多局限性。为了使电解质获得传导质子的能力,必须在基础材料中添加少量的另一种物质(称为掺杂剂)。但由于许多有前途的碱基和掺杂剂候选物(每种都具有不同的原子和电子特性),寻找增强质子传导性的最佳组合变得困难且耗时。

相反,研究人员计算了不同氧化物和掺杂剂的特性。然后,他们使用机器学习来分析数据,确定影响材料质子电导率的因素,并预测潜在的组合。

在这些因素的指导下,研究人员随后合成了两种有前途的材料,每种材料都具有独特的晶体结构,并评估了它们传导质子的性能。值得注意的是,这两种材料仅在一次实验中就表现出了质子传导性。

研究人员强调,其中一种材料是第一种已知的具有硅长石晶体结构的质子导体。另一种具有萤石结构,具有与钙钛矿中看到的传导路径不同的高速质子传导路径。目前,这些氧化物作为电解质的性能较低,但通过进一步探索,研究团队相信它们的电导率可以得到提高。

“我们的框架有可能大大扩展质子传导氧化物的搜索空间,从而显着加速固体氧化物燃料电池的进步。这是朝着实现氢社会迈出的充满希望的一步。”山崎教授总结道。“通过微小的修改,这个框架也可以适用于材料科学的其他领域,并有可能加速许多创新材料的开发。”

标签:

免责声明:本文由用户上传,如有侵权请联系删除!