Machine learning method speeds up discovery of green energy materials
圖片來源:九州大學/山崎實驗室

九州大學的研究人員與大阪大學和精細陶瓷中心合作開發了一個框架,利用機器學習加速綠色能源技術材料的發現。

使用新方法,研究人員確定並成功合成了兩種新的候選材料,用於– 可以使用氫氣等燃料產生能量的設備,這些燃料不會排放

他們的研究結果發表在期刊上,先進能源材料,也可用於加速尋找能源領域以外的其他創新材料。

響應一個,研究人員一直在開發無需使用能源即可產生能源的新方法

「實現碳中和的途徑之一是創造氫社會。然而,除了優化氫的製造、儲存和運輸方式外,我們還需要提高氫燃料電池的發電效率。」九州大學材料科學與技術系跨學科能源研究平台(Q-PIT)。

為了產生電流,固態氧化物燃料電池需要能夠有效傳導(或質子)透過,稱為電解質。目前,對新型電解質材料的研究主要集中在具有非常特殊的原子晶體排列(稱為鈣鈦礦結構)的氧化物上。

「第一個發現的質子傳導氧化物是鈣鈦礦結構,新的高性能鈣鈦礦不斷被報導,」山崎教授說。“但我們希望將固體電解質的發現擴展到非鈣鈦礦氧化物,它也具有非常有效地傳導質子的能力。”

然而,透過傳統的「試誤」方法發現具有替代晶體結構的質子傳導材料具有許多限制。

為了使電解質獲得傳導質子的能力,必須在基礎材料中添加少量的另一種物質(稱為摻雜劑)。但有許多有前途的鹼基和摻雜劑候選物——每種候選物都具有不同的原子和— 找到增強質子傳導性的最佳組合變得困難且耗時。

相反,研究人員計算了不同氧化物和摻雜劑的特性。然後,他們使用機器學習來分析數據,確定影響材料質子電導率的因素,並預測潛在的組合。

在這些因素的指導下,研究人員合成了兩種有前途的材料,每種材料都具有獨特的晶體結構,並評估了它們的表現如何。值得注意的是,這兩種材料僅在一次實驗中就表現出了質子傳導性。

研究人員強調,其中一種材料是第一種已知的矽長石晶體結構的質子導體。另一種具有螢石結構,具有與鈣鈦礦中看到的傳導路徑不同的高速質子傳導路徑。

目前,這些氧化物作為電解質的性能較低,但透過進一步探索,研究團隊相信它們的電導率可以提高。

山崎教授總結道:“我們的框架有可能極大地擴大質子傳導氧化物的搜索空間,從而顯著加速固體氧化物燃料電池的進步。這是實現氫社會的一個充滿希望的一步。”

「透過微小的修改,這個框架也可以適用於其他領域,並有可能加速許多創新材料的開發。

更多資訊:Susumu Fujii 等人,非常規質子的發現——透過缺陷傳導無機固體——化學——經過訓練的、可解釋的機器學習,先進能源材料(2023)。DOI:10.1002/aenm.202301892

引文:機器學習方法加速綠色能源材料的發現 (2024年1月18日)檢索日期:2024 年 1 月 18 日來自 https://techxplore.com/news/2024-01-machine-method-discovery-green-energy.html

本文檔受版權保護。除了出於私人學習或研究目的的任何公平交易外,不得未經書面許可,不得複製部分內容。所提供的內容僅供參考。