机器学习在光催化制氢中的应用
韩祎1
董龙雷2
1.深圳信息职业技术学院 智能制造与装备学院,广东 深圳 5181722.西安交通大学 复杂服役环境重大装备结构强度与寿命全国重点实验室,陕西 西安 710049;西安交通大学 先进飞行器综合服役环境与控制省重点实验室,陕西 西安 710049;西安交通大学 航天航空学院,陕西 西安 710049
摘要：太阳能光催化制氢作为能源清洁转换利用领域中的关键技术,有望实现太阳能高效利用和低成本绿色制氢,受到广泛关注.目前,基于传统经验试错的研究方法尽管使光催化制氢效率得到一定的提升,但是一直无法突破光催化制氢产业化的效率瓶颈,严重限制其未来规模化应用.机器学习通过构建数据驱动的智能分析范式,正推动光催化制氢领域从传统经验试错向精准预测的研究模式转型,有望助力实现光催化制氢领域的突破.基于此,系统综述了机器学习在光催化制氢中的应用与研究进展.首先,阐释了机器学习技术框架的核心要素,重点解析了光催化数据集的构建策略与特征工程优化路径(涵盖物理化学描述符筛选、高维特征降维、知识嵌入方法等).其次,聚焦机器学习在光催化领域的应用:在材料性能优化方面,系统总结了机器学习在能带结构精准调控、载流子迁移效率提升及界面异质结智能设计等关键环节的突破性进展;在试验工艺创新层面,重点探讨了基于机器学习的动态参数优化算法、智能高通量试验平台及具备实时反馈功能的自适应模型构建.最后,提出机器学习在该领域的未来发展应着力构建数据-机理双驱动的新型研究范式,开发具有物理约束的可解释模型,以及构建跨尺度动态仿真系统,最终为光催化制氢技术研发提供从微观机理到宏观工艺的全链条智能优化.
关键词：光催化制氢机器学习数据集描述符材料性能优化高通量试验平台反应机理探究
分类号：TQ116.2(基本无机化学工业)O643.36(物理化学（理论化学）、化学物理学)O644.1(物理化学（理论化学）、化学物理学)TP181(自动化基础理论)
资助基金：广东省教育厅青年创新人才基金资助项目(2025KQNCX161)深圳信息职业技术大学-博士科研启动基金资助项目(SZIIT2023KJ015)
论文发表日期：2025-12-31
在线出版日期：2026-01-17（本平台首次上网日期，不代表文献的发表时间）
页数：20( 142-161 )
英文信息