苏州大学-严锋团队︱AM：机器学习辅助氢能用高电导率阴离子交换膜的开发

文章预览

本文由作者团队受邀供稿 ！  一、研究背景：   氢能作为清洁无污染的新能源，是当下一种重要的储能介质，近年来受到了广泛关注。氢气的制备与利用主要依赖于燃料电池和电解水装置。其中，阴离子交换膜（AEMs）与质子交换膜（PEM）相比，在碱性条件下具有更快的电化学活性，并且可以使用非铂族贵金属催化剂（如钴、镍和银），能极大降低成本。然而，AEMs的商业化应用面临着氢氧根离子电导率低和碱稳定性差的挑战。为了解决这些问题，当前的研究重点在于开发高电导率、高碱稳定性的AEMs。随着人工智能技术的发展，将机器学习应用于新材料的设计成为一个新兴的研究方向。通过机器学习，可以快速筛选和优化材料的性能，加速新材料的发现和应用。 二、文章简介： 针对上述问题，本文基于酸催化AEMs建立了全连接神经网络（FCNN）模型 ………………………………