首页 鸿研 需求 视频 产品 专栏 招聘 活动 社区 APP下载 登录/注册
基于机器学习的固体氧化物燃料电池阴极材料开发
材料人测试客服小陈     2022-09-09 微信扫码分享 登录后可收藏  
应用场景:
固体氧化物燃料电池阴极材料设计
关键性能:
将机器学习、理论计算与陶瓷固体氧化物开发相结合,开发了一个经过实验验证的阴极材料机器学习筛选技术
产品介绍:

据深圳大学官网报导,近日,深圳大学土木与交通工程学院谢和平院士与其博士生翟朔分别为通讯和第一作者,香港理工大学倪萌教授、南京工业大学邵宗平教授为共同通讯作者在Nature Energy(IF:67.439)以深圳大学为第一单位发表了题为" A combined ionic Lewis acid descriptor and machine-learning approach to prediction of efficient oxygen reduction electrodes for ceramic fuel cells" 的研究成果。该研究将机器学习、理论计算与陶瓷固体氧化物开发相结合,开发了一个经过实验验证的阴极材料机器学习筛选技术,实现了固体氧化物燃料电池筛选高活性阴极材料的重大突破。基于上述研究思考,该研究创新将机器学习、理论计算与固体氧化物燃料电池阴极材料设计相结合,实现了快速、有效的从庞大的钙钛矿组分中筛选高活性阴极材料。该研究阐明了钙钛矿氧化物路易斯酸性调控策略提升本征活性的机理,揭示了路易斯酸性在A位和B位离子的极化分布引起电子对的偏移,进而降低氧空位的生成能和迁移能垒的机制。该成果为团队正在攻关的“近零碳排放直接煤燃料电池发电技术”提供了理论依据与技术支持。


产品来源:
评分:暂无评分

暂无评论
材料人测试客服小陈发布的产品
方法 相关的产品