近日，深圳大學謝和平院士與其博士生翟朔分別為通訊和第一作者，在《自然－能源》上發(fā)表研究成果。香港理工大學倪萌教授、南京工業(yè)大學邵宗平教授為共同通訊作者。

實現(xiàn)煤炭清潔高效利用對我國能源結構改革具有重要戰(zhàn)略意義。然而，燃煤電廠受卡諾循環(huán)限制，單位發(fā)電量的煤炭消耗量較高，且難以破解二氧化碳排放的技術瓶頸。謝和平團隊提出并正在攻關的“近零碳排放直接煤燃料電池發(fā)電技術”，可打破卡諾循環(huán)的限制，不通過燃燒，而是將改性煤炭的化學能通過電化學氧化過程直接轉換為電能，同時在系統(tǒng)內(nèi)原位實現(xiàn)二氧化碳二次利用，具有能量轉換效率高、實現(xiàn)近零碳排放的特點。不過，傳統(tǒng)的材料設計、表征和測試依賴低效的試錯過程，往往需要漫長的研究周期。

針對這一難題，謝和平團隊將機器學習技術應用于針對固體氧化物燃料電池高活性陰極材料篩選的攻關研究。該研究將機器學習、理論計算與陶瓷固體氧化物開發(fā)相結合，開發(fā)了一個經(jīng)過實驗驗證的陰極材料機器學習篩選技術，實現(xiàn)了固體氧化物燃料電池篩選高活性陰極材料的重大突破。

最終，團隊從機器自動生成、預測的6871種不同鈣鈦礦氧化物中篩選出了4種鈣鈦礦陰極并成功合成。該項研究成功將機器學習與高活性固體氧化物燃料電池陰極材料的開發(fā)相結合，實現(xiàn)了快速、有效地從龐大的鈣鈦礦組分中篩選高活陰極材料。

該成果為團隊正在攻關的“近零碳排放直接煤燃料電池發(fā)電技術”提供了理論依據(jù)與技術支持。

來源：深圳商報