近日,我中心大數(shù)據(jù)技術(shù)與應(yīng)用發(fā)展部團(tuán)隊(duì)聯(lián)合國(guó)家納米科學(xué)中心、北京科技大學(xué)團(tuán)隊(duì),在人工智能輔助用于CO2電解的膜電極(MEA)器件設(shè)計(jì)方面取得突破。針對(duì)膜電極電解槽設(shè)計(jì)面臨的裝置配置、催化劑、膜、氣體擴(kuò)散、測(cè)試參數(shù)等諸多要素導(dǎo)致的復(fù)雜性問題,通過構(gòu)建MEA電解槽裝置高質(zhì)量數(shù)據(jù)集(MED3),并設(shè)計(jì)人工智能方法,實(shí)現(xiàn)對(duì)多參數(shù)的關(guān)聯(lián)性分析與第一產(chǎn)物、總電流密度和法拉第效率的準(zhǔn)確預(yù)測(cè)。利用推薦的MEA特征制備CO的過程中,法拉第效率達(dá)到了100%,并且在連續(xù)的單次測(cè)試中可穩(wěn)定運(yùn)行達(dá)100 h。
該成果在材料領(lǐng)域國(guó)際期刊Advanced Functional Materials上發(fā)表,期刊影響因子19.4。論文的共同第一作者為我中心碩士研究生王海丹,共同通訊作者為杜一研究員。該成果受到國(guó)家重點(diǎn)研發(fā)青年科學(xué)家項(xiàng)目(2022YFF0712200)資助。
論文地址:Integrating Machine Learning Insights in Membrane Electrode Assembly for CO2 Electrolysis
https://doi.org/10.1002/adfm.202518997
數(shù)據(jù)集地址:Data of membrane electrode assembly for CO2 electrolysis
https://doi.org/10.57760/sciencedb.19295
https://cstr.cn/31253.11.sciencedb.19295
責(zé)任編輯:郎楊琴
