基于机器学习高通量筛选二氧化碳还原电催化剂的研究进展

作     者：李歌 马子然 闾菲 彭胜攀 佟振伟 LI Ge;MA Ziran;LYU Fei;PENG Shengpan;TONG Zhenwei

作者机构：北京低碳清洁能源研究院北京102211 

基　　金：国家能源集团科技创新项目(ST930022006C) 

出 版 物：《材料导报》 (Materials Reports)

年 卷 期：2025年第39卷第1期

页      码：156-168页

摘      要：随着全球能源需求不断增长,化石燃料资源有限和二氧化碳排放对气候变化的影响愈加严重,减少二氧化碳排放已迫在眉睫。基于绿电的电化学还原二氧化碳(CO_(2)RR)方法是缓解化石燃料消耗和温室气体排放的理想途径。传统催化剂的研发模式主要依赖实验试错方法,难以满足对高效催化剂的研发需求。快速发展的机器学习等数据科学技术为催化剂研发带来范式变革的契机。高通量计算结合机器学习已经成为近年来电催化剂配方设计中的重要手段之一。基于此,本文概述了近年来高通量计算结合机器学习指导催化剂开发的研究成果,包括催化剂设计的原理、模拟计算的策略以及机器学习模型的构建。通过将高通量计算和机器学习结合,可以加速催化剂设计过程,为CO_(2)RR催化剂的高效筛选和开发提供了新方法,拓宽人工智能在催化剂筛选设计中的应用。

主 题 词：CO_(2)RR 密度泛函理论计算 机器学习 描述符 催化剂筛选 

学科分类：081702[081702] 08[工学] 0817[工学-轻工类] 

核心收录：

D　O　I：10.11896/cldb.23110048

馆 藏 号：203156957...