【儀表網(wǎng) 研發(fā)快訊】近日，電子科技大學(xué)基礎(chǔ)與前沿研究院王斌教授、劉芯言特聘研究員和光電科學(xué)與工程學(xué)院程建麗教授提出一種基于機器學(xué)習(xí)輔助的過渡金屬化合物(TMCs)篩選方法，用于快速發(fā)現(xiàn)適用于Li-CO2與Li-Air電池的高效催化劑。相關(guān)論文以“Iterative Machine Learning-Guided Discovery of Transition Metal Compounds as Catalysts for Li-CO2 and Li-Air Batteries”為題，發(fā)表在Journal of the American Chemical Society上。基礎(chǔ)與前沿研究院2023級博士研究生丁玎為論文第一作者，基礎(chǔ)與前沿研究院為論文第一單位。
 

　　過渡金屬化合物(TMCs)因其豐富的化學(xué)組成與可調(diào)的電子結(jié)構(gòu)，作為Li-CO2和Li-Air電池的正極催化劑，受到廣泛關(guān)注。然而，過渡金屬候選材料數(shù)量龐大，傳統(tǒng)的“試錯法”材料設(shè)計方法不僅耗時漫長，而且研發(fā)周期復(fù)雜。
 

　　針對這一挑戰(zhàn)，研究團隊提出了一種迭代式機器學(xué)習(xí)工作流程，以加速高性能Li-CO2電池正極催化劑的發(fā)現(xiàn)，并通過實驗驗證了其有效性。該方法在機器學(xué)習(xí)模型的指導(dǎo)下，通過不斷補充訓(xùn)練數(shù)據(jù)集實現(xiàn)模型的自我優(yōu)化，能夠直接預(yù)測催化劑的關(guān)鍵性能指標(biāo)——過電位。
 

　　在該體系中，研究人員從15,012種過渡金屬化合物中高效篩選出三種具有代表性的TMC催化劑并成功合成。實驗驗證結(jié)果表明，預(yù)測模型的平均絕對誤差僅為0.106 V，顯示出優(yōu)異的預(yù)測精度。其中，Co0.1Mo0.9N表現(xiàn)出最優(yōu)的催化性能，被進一步用于Li-CO2電池和Li-Air電池的機理分析與電化學(xué)性能測試。在50 mA g?¹電流密度下，Co0.1Mo0.9N在Li-CO2和Li-Air電池中分別實現(xiàn)了僅0.55 V和0.65 V的低過電位。機理分析表明，Co摻雜有效調(diào)控了MoN的電子結(jié)構(gòu)，促進了電子轉(zhuǎn)移，從而顯著提升了催化活性。
 

　　該研究為利用機器學(xué)習(xí)加速新型電池催化劑的篩選與設(shè)計提供了新的技術(shù)路徑，也為構(gòu)建更加高效、可持續(xù)的電化學(xué)能源體系奠定了基礎(chǔ)。