【儀表網(wǎng) 研發(fā)快訊】 近日，我校機械工程學院崔紅教授團隊在Nature子刊《npj Computational Materials》(IF：13.1)發(fā)表題為“Regulation of two-layer hydrogen adsorption in Metal-doped MXenes: few-shot learning, mechanisms, and transferability”的研究論文。陜西理工大學為第一通訊單位，我校機械工程學院青年教師田偉志為第一作者，2023級機械工程專業(yè)碩士研究生彭體人為共同第一作者，我校崔紅教授與西南大學袁宏寬教授為論文共同通訊作者。該研究利用小樣本學習和可解釋AI技術(shù)，突破了傳統(tǒng)試錯法在龐大材料空間中篩選高效儲氫材料的效率瓶頸，為原子級智能制造的微觀調(diào)控提供了理論支撐。
 

　　高效固態(tài)儲氫材料的研發(fā)，核心在于實現(xiàn)材料表面“原子級精準調(diào)控”。然而，面向原子級智能制造對微觀構(gòu)效關(guān)系精準預測的迫切需求，傳統(tǒng)試錯實驗與高精度計算面臨計算成本高、篩選周期長等瓶頸，難以覆蓋龐大的材料組分空間。針對這一難題，團隊將人工智能與第一性原理計算深度融合，利用數(shù)據(jù)驅(qū)動方法探索微觀結(jié)構(gòu)調(diào)控規(guī)律，成功揭示了MXenes材料表面兩層氫吸附的動態(tài)演化機制。這不僅為高效儲氫材料篩選提供了全新視角，也進一步夯實了原子級智能制造的智能決策基礎。
 

　　該研究針對儲氫結(jié)構(gòu)表面第一層氫原子的強吸附與第二層氫分子的Kubas吸附的不同特點，分別構(gòu)建了多算法融合的集成回歸模型與二分類識別模型，不僅克服了小樣本偏差與數(shù)據(jù)非均勻擬合難題，實現(xiàn)了對吸附行為的高精度預測與理想可逆儲氫位點的精準篩選；同時借助可解釋AI技術(shù)，闡明了基底主導、摻雜微調(diào)的調(diào)控機制，為精準設計與按需定制新型高效固態(tài)儲氫體系提供了重要的理論支撐。
 

　　該成果標志我校機械工程學院在“人工智能與原子級智能制造”交叉領(lǐng)域的科研創(chuàng)新實力取得重大突破，基礎研究水平邁上新臺階。
 

　　引用：【有組織科研產(chǎn)出高水平成果】崔紅教授團隊在人工智能賦能儲氫領(lǐng)域取得重要突破-陜西理工大學【引用時間：2026年8月3日】