AM重磅：突破燃料电池性能设计瓶颈！机器学习功不可没！

文章预览

近日，《Advanced Materials》杂志发表了一篇题为“Machine Learning-Aided Design of Highly Conductive Anion Exchange Membranes for Fuel Cells and Water Electrolyzers”的研究论文。 该研究成功利用机器学习技术，设计出具有高导电性的阴离子交换膜（AEM），为燃料电池和水电解器的发展提供了重要支持。 碱性阴离子交换膜（AEM）燃料电池（AEMFCs）和水电解器（AEMWEs）是实现氢能高效、大规模利用的关键技术。然而，AEM的低导电性一直是制约这些能源设备性能的瓶颈。传统的设计方法耗时耗力，成本高昂。为解决这一难题，科研团队基于酸催化AEM，开发了一种全连接神经网络（FCNN）模型，分析了18万种AEM变体结构与导电性之间的关系。 在当前全球能源结构转型和电动汽车市场快速增长的背景下，锂离子电池作为关键储能技术的研究和应用正迅速发展。据调查，目前行业内研究 ………………………………