节省数年时间，AI发现更高效绿氢催化剂仅需几天，36,000多种混合金属氧化物训练

编辑 | KX

氢能被誉为「21 世纪的终极能源」，因具有重量轻、发热值高、清洁低碳、可回收利用等多重特性而备受青睐。

质子交换膜电解水具有能量转换率高、产m l D物氢气纯度高等优点，是一种前景广阔的制氢技S 0 G i j ^ Z术。

在这一过程中，需要大量的电力，以及昂贵的金属催d z | Y ? J化M i h n = s剂，来生产氢气。

近日，多伦多大学 (UoT) 的研究人员利用 AI 确定了一种更好的绿色氢气& a ]生产催化剂，从而节省了数年的实验时间。

该团队开发了一种 ML 辅助计算流程，可以筛选 2070 种新型金属氧化物在酸性条件下的电化学稳定( n g 1 A L性。最终，确定了一种由特定比例的钌、铬和钛组成的合金（Ru0.6Cr0.2Tp 0 L B O % 8 y Ni0.2Ox）是一种更具耐久性的候选材料，该合金在稳定性和耐用性方面比基准金属好 20 倍。

正如论文一作、多y y [ n | } 1 %伦多大学博士生 Jehad Abed 所说：「AI 可以推荐D # @ E J % d q n数十亿种金属氧化物组合。研究人员可能需要花费数年时间才W M O能找到一种满足他们期望条件的合金，但 AI 在几天之内就找到了一种高效的候选材料。」

相关研究以「Pourbaix Mach2 4 2ine Learning Framework Idet G F Z C S A ontifies Acidic Water Oxidation Catalysts Exhibiting Suppressed Ruthenium Dissolution」为题，发表在《Jour[ Z c \ Y 0nal of the American Chemica: Y W P + o \l Society》上。

论文链接：https://pubs.acs.org/doi/10.1021/jacs.4c01353

制氢电催化剂

质子交换膜 (PEM) 电解槽具有更高的电流密度、更高的氢气压力和更小的占地面积，在商业绿色氢气生产的增长中发挥着重要作用。然而，由于贵金属催化剂的使用，膜电极组件的成本约占 PEM 总成本的 30%。

氧化铱(IrO2) 是目前唯, & _ W一能够承受强酸条件下阳极析氧反应 (OER) 的电催化剂，但其高昂B } ! f Z U 6的成本h L e ; q v ; 1和不断增长的需求带来了挑战。设计高效稳定的无铱 O6 u 6 g K / mER 电催化剂对于未来大规模制氢至关重要。

Ru 基 OER 催化剂是一种n h = 2 H 8 }很有前途的 Ir 替代品，然而，OER 过程中 Ru 原子的过度氧化会导致可溶性物质的形成，这会显著J + Q N N v缩短催化剂的寿命。

视频链接：he ? Q P } X i Mttps://www.ph` ; o R 7 bp.cn/link/9b8fe41d7a9a359029570f1d2ef42440

36,000 多种混合金属氧化物训练的 AI

鉴于 RuO2优异的 OER 活性，以及V H _ G与 Ru 溶解和电化学稳定性相O 6 P + L 2 W t ,关的挑战，该研究的目标是筛选广阔的多金属氧化物化学空间，通过合金化增强 RuO2催化剂。

神经网络已用于指导新材料的发现。然而，挑战在于准确预测氧化物的 Pourbaix 稳定性，同时降低假阳性预测的风险和从未松弛的密度泛, x $ M j ` O g函理论（DFT）结构出发的预测的低可靠性。

在此，研究人员在 36,000 多种混合金属氧化物上训练了 CGCNN-HD，这些氧化物使用晶格缩放方法进行统一的预处理和缩放，确保快速且经济高效地优化晶格以用于训练和新的假设材料。

然后，使用机器学习（ML）模型用于预测 2070 种金红石氧化物结构的 Pou; l R y d lrbaix 电化学稳定性（Gp; j t m Lbx），将候选材料范围缩小到 16 种。

之后，将搜索重点放在 Ru 基氧化物上，并使用 DFT 计算的金[ ; ` T F g属-氧共价性作为本体（bulk）稳定性的第二x | L _ a C j个描述符。

图示：(a) 机器学习高通量筛选 (ML-HTS) 工作流程。(b) CGCNN-HD 模型架构。(c) 奇偶校验图。(d) CGCNN-HD 子集的 Gpbx 热图（左）与l z T w : = W I B DFT 验证稳定性热图（右）。（来源：论文）

通过将这种计算描述符筛选方法与实验相结合，研究发现与纯 RuO2相比，在 RuO2 晶格中用 Cr 和 Ti 替代可显著提高活性和稳定性。通过实验优化 RuO2 中的 Cr 含量，将过电位降低了 70 mV，而纯 RuO2 则没有。然后，通过计算研究了` b ! * Z掺杂 Cr 对活性的影响，发现形成的 R[ t p uu-O-Cr 二聚体具有协同效应，削弱了 Ru-OH*4 C ^ b I 中间体，从而h * B A 4 F % z降低了电位决定步骤: ] L（potential determini F p y ^ q &ing step，PDS）的C n j W ( i能垒。

此外，使用改进的溶胶-凝胶合成法成功将 20 at.% 的 Ti 掺入 Cr 掺杂的 RuO2 晶格中。发现J Q N 3 U – 7 9 s Ti 显著延长了 RuO2 在 100 mAcm^-2 下的稳定性，从不到 20 小时延长到至少 200 小时。

通过计算确定 Ru0.6Cr0.2Ti0.2Ox是最佳候选物，并通过实验合成了该l a ? m材料进行测试。经过 OER 评估，发现掺杂 Ti 可稳定 RuO2 并增加结构~ M @ % y 0 b $的金属-氧共价性。

图示：Ru0.6Cr0.2Ti0.2Ox 的 STXM 谱图分析。（来源：论文）

通过原位 X 射线吸收光谱 (XAS) 和非原位扫描透射 X 射线显微镜 (STXM) 光G m 6 J谱联立法研究了反应过程中候选物的结构变化。发现在晶格中掺杂 Ti 会产生强的金属-氧共价性。

图示：DEMS 结果。（来源：论文）

此外，使用电感耦合% ! @ / V等离子体原子发射光谱 (ICP-AES) 和原位差分电化学质谱 (DEMS) 来量化钌溶解和晶格氧参与，将这些因素与理解性能下c 1 y c降联系起来。+ T S ^ 4 E证实了反应过程中形成的由 Ti-氧网络和 Cr 覆盖层组成的亚稳态P ^ i )结构抑制了 Ru 的溶解 20 倍。

最后，研究人{ | ` E员使~ E / B f用 DFT 研究 Ti 和P & @ } p K : Cr 对稳定性和活性的作用，并解释这些金属对 RuO2 性能的协同作用。

DFT 计算表明X ) `，Ti 可增加金属-氧共价性，这是提高稳定性的潜在途径，而 Cr 可降低 HOO* 形成速率决定步骤的能垒，L R * u * / h O与 RuO2 相比，活性增加，并在 100 mA cm^-2 时将过电位降低 40 mV，同时保持稳定性。

该计算流程中引入的设计原理可以为开发用于酸性介质中电化学应用的稳定金属氧化物提供重要见解。

下一步是实测

当然，下一步是在现实条件下测试合金，看看它是否能发挥作用。这可能使绿色氢成为一种更可行的清洁燃料选择。这是世界各地氢气生产方面取得的最新进展之一。

例如，去年，澳大利亚皇家墨尔本理工大学的科学家利用海水和一种新型催化剂，发明了一种高效、低成本的绿色氢气生成工艺。还有最近发明的质子交换膜法，可以低成本地生产氢气，以供监; ? } Y 9 ? L控。瑞士科学家发明了一种廉价而有效的方法，可以将氢气储存数月而不会流失到大气中。

多伦多大学研究人员的计划延续了r h , y 0 U DeepMind 去年的创新，当时 GNoME AI 工具帮助发现了 220 万个新晶体，可用于下一代超导体和电动汽车电池。| r X ; o这两项突破都强调了人工智能的突破性能力和惊人的速度，它可以帮助我们为未来的技术找到有用的材料。

参考内容：

https://pv } Q 3 | j T *hys.org& F n/news/2024-08-team-ai-cheaper-green-hydrogv a : k j 4 +en.html0 _ D ` ) 4

https://newatlas.com/science/ai-better-greenR _ { 9 [-hydrogen-catalyst/

以上就是节省数年时间，AI发现更高效绿氢催化剂仅需几天，36,000多种混合金属氧化物训练的详细内容！