点击上方“Fundamental Research”关注我们
传统能源催化材料的品种有限，无法适应各种清洁能源产业化应用的快速扩张要求。近年来，随着人工智能(Artificial intelligence, AI )技术的突飞猛进，在未知空间中高效、精确地筛选材料和优化合成条件被证明是可行的。本综述详细地介绍了人工智能技术在催化材料研发中的应用，以及机器学习(ML)和机器人技术在新材料合成中的通用工作流程，总结了数据来源、常用机器学习算法以及材料智能合成的实验室模块，并且总结了人工智能加速催化材料研发的潜在挑战和发展方向。这篇综述为催化材料的智能设计和合成提供了指导。
中文题目：全面了解人工智能技术如何加速能源催化材料研发，尽在此篇！
英文原题：Intelligent design and synthesis of energy catalytic materials
通讯作者：向中华，北京化工大学
第一作者：韩林凯，北京化工大学
关键词：人工智能；能源催化材料；机器学习；逆合成分析；智能实验室
背景介绍
随着能源需求的扩大和对环境保护的日益重视，绿色能源产业体系得到快速发展，这对能量转换和存储设备的大规模应用提出了更高的需求。然而，传统的能源催化材料通常以贵金属为基础，催化性能有待提高，因此，开发高活性、低成本的新型催化材料是必要的。传统的研发模式通常在实验室中进行，其具有研发周期长、合成材料的性能不确定等缺点。近年来，人工智能中的机器学习(ML)和智能机器人技术迅速发展。ML基于丰富多样的算法构建模型来预测材料的理论性能，而智能机器人与自动化系统相结合，可以代替实验室中的研究人员，不间断地合成和筛选高性能催化材料（图1）。因此能源催化材料的智能设计与合成值得进一步深入探究。
图1 人工智能技术在能源催化材料设计与合成中的应用
人工智能辅助催化材料研发
1. ML工作流程
与传统的DFT计算和人工实验试错相比，ML在发现新材料方面大大降低了材料探索的成本和周期。利用ML开发新型催化材料的工作流程主要包括数据收集和关键特征提取、算法选择和模型训练、模型评估和反馈（图2）。
图2 机器学习发现新材料的工作流程
2. 智能合成流程
预测的目标材料通常是一个理想化的模型，这些结构可能有多种合成路线，也可能由于热力学不稳定性而无法合成。智能合成策略可以帮助研究人员降低合成过程中的成本，其主要分为合成路线的选择和合成条件的优化两部分(图3)。
3. 材料智能表征
为了更好地揭示材料的结构与性能之间的关系，需要对材料进行高效的结构表征。高通量表征设备可以同时检测多种材料的结构特性(例如X射线衍射、X射线光电子能谱、傅里叶变换红外能谱等)。基于深度学习，可以实现对材料宏观结构的快速识别和表征，进而高效揭示材料的构效关系。
智能设计与合成催化材料
催化材料在不同的应用中通常具有不同的理论性能指标，采用ML的方法可对理论过电位、吸附能、带隙等参数进行有效预测。在催化材料的智能合成中，通常需要多种人工智能技术的协同。首先是合成路线的设计，利用ML根据现有化学物质的结构分析多种合成路线，协助研究人员进行逆向合成预测和路线筛选。其次是智能机器人平台来解决反应条件长时间优化的问题，利用机器人技术实现高通量自动合成系统中材料的自动智能制备（图4）。
图4 高通量合成平台与智能机器人技术
材料原位表征
材料结构性质的表征和材料参与催化反应的动力学过程的观察也值得被关注。然而这些研究往往受到材料表征设备和反应观察技术发展的限制。而使用深度学习可以将原位图像表征(SEM,TEM)的RGB值与材料的结构、特征和活性相关联，此外基于从实验或数据库中收集的光谱数据用于ML建模可以帮助研究人员迅速获得对光谱和材料的结构信息（图5）。
图5 ML辅助材料的原位表征
总结与展望
在人工智能技术的帮助下，新型催化材料的发现和合成与传统方法相比发生了质的变化，研究人员减少了大量重复性工作，腾出时间进行更高级的思考。然而，人工智能辅助新材料的发现和合成仍然存在机遇和挑战。如何平衡所收集数据的可信度和效率，实现高效数据采集和数据库建立是首先要考虑的问题。其次在建立ML模型之前，需要对材料或反应进行模拟分析，找出核心因素建立描述符，这有助于提升预测精度。最后，使用人工智能技术关注催化材料的合成路径筛选以及催化反应动力学研究可以进一步加速针对特定催化反应的高性能催化材料的研发。
主要作者简介
向中华 北京化工大学化学工程学院教授，国家重点研发计划首席科学家。主要面向燃料电池和液流电池应用的分子能源材料的分子设计与工程制备。主持科技部重点研发计划、国家自然科学基金优秀青年科学基金项目、北京市杰出青年科学基金项目、国家自然科学基金国际合作重点项目、中石油委托研发等横向项目。近年来在AIChE J.、Acc. Chem. Res.、J. Am. Chem. Soc.、Angew. Chem. Int. Ed.、Adv. Mater.、Science Adv.、Nat. Commun.等SCI期刊发表论文110余篇。获国际发明者协会最佳发明奖、教育部自然科学一等奖（2/4），中国化工学会第九届侯德榜化工科技青年奖，中国可再生能源学会优秀青年科技人才奖等。任Green Chemical Engineering、eScience、Chinese Chemical Letters期刊青年编委、中国可再生能源学会青年工作委员会副主任、中国可再生能源学会氢能专委会委员等。
韩林凯 2024年6月获北京化工大学工学博士学位，主要从事氧电极反应电催化剂的理论设计与制备应用研究，师从向中华教授。2024年7月-至今，宁波工程学院新能源学院讲师，在国际学术期刊发表SCI论文十余篇，其中以第一作者在AIChE J, Small，Nano Letters， Fundamental Research等期刊发表文章。
引用本文
Linkai Han, Zhonghua Xiang. Intelligent design and synthesis of energy catalytic materials. Fundamental Research, doi.org/10.1016/j.fmre.2023.10.012.
原文链接（复制到浏览器中查看）：
https://www.sciencedirect.com/science/article/pii/S2667325823003485
关于Fundamental Research
Fundamental Research是由国家自然科学基金委员会主管、主办的综合性英文学术期刊。创刊于2021年，期刊立足反映国家自然科学基金资助的优秀成果，全方位报道世界基础研究前沿重要进展和重大创新性成果，提升中国基础研究和中国科学家在国际科学界的显示度和影响力，为中外科学家打造一个高端的国际学术交流平台。内容涵盖数学物理、化学化工、生命科学、地球科学、工程与材料科学、信息科学、管理科学、健康医学、交叉科学等领域，设置Article、Review、Highlight、Perspective、Commentary等栏目。期刊已被ESCI、Scopus、DOAJ、PubMed、CAS（美国化学文摘社）、CSCD（中国科学引文数据库）、CSTPCD（中国科技论文与引文数据库）等国内外知名数据库收录。2023年影响因子5.7，位于综合性期刊Q1区。欢迎广大科研工作者关注、投稿、引用！
扫描或长按识别下方二维码关注我们
期刊主页：
www.keaipublishing.com/en/journals/fundamental-research/
文章阅读：
www.sciencedirect.com/journal/Fundamental-Research
投稿系统：
www.editorialmanager.com/fmre
查看更多本期信息，点击文末“阅读原文”，欢迎阅读、下载及引用！
喜欢本篇内容请给我们点个
在看
点击“阅读原文”了解更多
