机器学习加速能源环境催化材料的创新研究

创新点

机器学习辅助的催化材料开发是能源环境研究领域的热点和前沿。本文从催化材料的位点预测、配方筛选、构型设计以及反应路径优化等角度，阐述了机器学习加快能源与环境催化材料的创新研究进展，分析了不同来源训练数据所对应的机器学习方法构建及其在催化材料开发中的应用情况，展望了机器学习加快催化材料创新研究的发展方向。

视频摘要

通讯作者简介

高翔院士

高翔，中国工程院院士，浙江工业大学校长、党委副书记，历任浙江大学热能工程研究所副所长，浙江大学能源工程学系副系主任，浙江大学能源工程学院副院长，浙江大学能源工程学院院长、党委副书记。长期致力于能源与环境领域的基础理论、关键技术及工程应用研究。现任浙江大学碳中和研究院院长、白马湖实验室主任等职。获国家技术发明奖一等奖1项、国家科技进步奖二等奖1项、国家技术发明奖二等奖1项、国家级教学成果奖二等奖2项，并获何梁何利基金科学与技术创新奖、全国创新争先奖状、全国五一劳动奖章等。国务院政府特殊津贴获得者，获国家杰出青年科学基金资助，入选教育部“长江学者奖励计划”特聘教授、新世纪百千万人才工程国家级人选、国家高层次人才特殊支持计划领军人才、国家环境保护专业技术领军人才、浙江省特级专家等，当选英国IET会士、中国环境科学学会会士、中国电机工程学会会士等。

机器学习加速能源环境催化材料的创新研究

作者

张霄^1,2，董毅¹，林赛赛^1,2，傅雨杰¹，徐丽¹，赵海涛^1,2，杨洋^1,2，刘鹏^1,2，刘少俊^1,2，张涌新^1,2，郑成航^1,2,3，高翔^1,2,3,^*

单位

1. 浙江大学能源高效清洁利用全国重点实验室

2. 浙江大学碳中和研究院

3. 白马湖实验室

基金项目

1. 国家自然科学基金资助项目(51836006)

2. 浙江省自然科学基金资助项目(LDT23E06012E06)

识别上方二维码获取全文

摘要

“双碳”背景下，加快研发高效的能源与环境催化材料有助于推进能源清洁利用和环境污染治理。传统催化材料研发模式主要依赖实验试错方法，难以满足能源与环境领域对高效催化材料的研发需求。快速发展的机器学习等数据科学技术为催化材料研发带来范式变革的契机。基于机器学习、实验数据和计算数据的有机结合，可对催化材料进行快速筛选，突破传统试错法的局限性，有利于解决催化剂研发效率低、成本高等难题。本文从催化材料的位点预测、配方筛选、构型设计以及反应路径优化等角度讨论了机器学习方法加快能源与环境催化材料创新的研究进展，分析了不同训练数据获取途径对应的机器学习方法构建及其在催化材料开发中的应用，展望了机器学习加快催化材料研究方法创新的发展趋势，以期为促进其在能源与环境领域的应用提供启示。

部分图片

图1 机器学习辅助催化材料研究的关键词共现聚类分析可视化知识图谱

图2 机器学习结合密度泛函理论预测催化活性位点工作流程图[15]

图3 机器学习与计算模拟结合预测催化活性位点

引文格式

张霄, 董毅, 林赛赛, 傅雨杰, 徐丽, 赵海涛, 杨洋, 刘鹏, 刘少俊, 张涌新, 郑成航, 高翔. 机器学习加速能源环境催化材料的创新研究[J]. 能源环境保护, 2023, 37(3): 1-12.

ZHANG Xiao, DONG Yi, LIN Saisai, FU Yujie, XU Li, ZHAO Haitao, YANG Yang, LlU Peng, LlU Shaojun, ZHANG Yongxin, ZHENG Chenghang, GAO Xiang. Machine learning accelerating innovative researches on energy and environmental catalysts[J]. Energy Environmental Protection, 2023, 37(3): 1-12.

　　责任编辑：宫在芹

机器学习加速能源环境催化材料的创新研究

煤问提

煤传媒

煤视界

科技创新50强

会员中心