机器学习加速能源环境催化材料的创新研究
张霄1
董毅2
林赛赛1
傅雨杰2
徐丽2
赵海涛1
杨洋1
刘鹏1
刘少俊1
张涌新1
郑成航3
高翔3
1.浙江大学 能源高效清洁利用全国重点实验室,浙江 杭州 310027;浙江大学 碳中和研究院,浙江 杭州 3100272.浙江大学 能源高效清洁利用全国重点实验室,浙江 杭州 3100273.浙江大学 能源高效清洁利用全国重点实验室,浙江 杭州 310027;浙江大学 碳中和研究院,浙江 杭州 310027;白马湖实验室,浙江 杭州 310051
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.
关键词：催化剂能源与环境机器学习高通量技术数据驱动
分类号：X701(一般性问题)
资助基金：国家自然科学基金(51836006)浙江省自然科学基金资助项目(LDT23E06012E06)
论文发表日期：2023-06-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：12( 1-12 )
英文信息