苏州大学严锋教授团队：机器学习辅助阴离子交换膜的设计与合成

1

文章内容简介

基于阴离子交换膜的燃料电池和电解水制氢技术，因其碱性条件下高的能量转换效率以及非贵金属催化剂的使用，成为实现低成本、规模化氢能制取和利用的重要途径。然而，作为碱性能源器件的关键材料，阴离子交换膜（AEM）化学稳定性差、离子电导率低、尺寸稳定性不佳，严重阻碍了碱性能源器件的发展。AEM表现出比一般高分子膜材料更复杂的化学结构，这种复杂性除了归因于不同的链长、支化度和共聚组成，还涵盖了多变的离子类型、离子分布、离子交换容量、亲疏水簇、静电作用和微相结构。尽管在过去十年中，已有超过5,000篇相关文献致力于获得高性能AEM，但其仍未能达到实际的使用要求。使用传统的试错法进行复杂离子膜结构的设计开发，已经被证明效率低、成本高、周期长。近年来，我们课题组利用机器学习预测尚未发现的材料特性，致力于加快离子膜材料的开发进程。

在述评中，我们简要总结了AEM的最新进展，包括阳离子和聚合物骨架的结构设计、提高离子电导率的策略以及AEM各性能之间的trade-off效应所带来的严峻挑战。此外，我们详细介绍了机器学习用于AEM领域的最新突破，讨论了不同算法的适用性和局限性。优化后的机器学习模型不仅能够预测AEM的各种性能，例如离子电导率和化学稳定性，而且可以根据实际的性能需求，从数百万个未知结构中有效筛选出高性能膜结构，主动进行AEM的结构设计。展望未来，除了建立膜自身的构效关系，开发膜结构和能源器件性能的预测和反馈模型，对于优化器件性能和增加使用寿命至关重要。此外，机器学习也有望在其他AEM能源器件得到应用，例如CO₂电催化、液流电池等，指导解决CO₂催化选择性、电解质渗透等关键科学问题。综上所述，机器学习已经被证明能够显著降低AEM的开发周期和成本，成为实现高性能AEM精准合成的有力工具，推动了AEM能源器件的快速发展。

2

AMR：请和大家分享一下这个领域

可能会出现的研究机会！

作者团队：

阴离子交换膜材料的性能参数，往往不能直接反应能源器件的性能水平，说明异位测试和原位器件环境还是存在差异。目前膜材料在碱性能源器件内部的失效机制仍然不明晰，一方面要厘清能源器件内部的微环境，从理论上解析膜材料在使用寿命周期内的结构变化；另外一方面可以利用机器学习，建立膜结构和器件性能的直接关系。

3

AMR：您对该领域的人才培养有何种

倡议？

作者团队：

阴离子交换膜及氢能器件领域的人才培养需要围绕行业需求、学术前沿和技术应用，构建系统的培养体系，以培养高水平的研究型和应用型人才。不仅要支持科研人员在氢能技术瓶颈和前沿领域进行原创性研究，推动理论与技术突破。并且通过企业与高校合作，做好基础研究和实际应用场景的匹配性，推动低成本、规模化氢能源器件的快速发展。

严锋，苏州大学教授。2014年获国家杰出青年科学基金资助，2015年入选江苏特聘教授，2016年被评为江苏省优秀教育工作者。2017年获江苏省科学技术一等奖（排名第一）。2019年入选苏州市“新时代基层典型”培育对象。2020年入选江苏省有突出贡献中青年专家。2022年入选江苏省“333工程”人才计划（第一层次）。2022年获得教育部自然科学二等奖（排名第一），2023年入选“江苏教师年度人物”。研究成果在Nature Materials, Nature Electronics等学术期刊发表论文200余篇。任Chemical Engineering Journal (Elsevier)副主编。

孙哲，苏州大学副研究员，从事碱性膜材料与能源器件的应用基础研究，相关研究成果在Angew. Chem. Int. Ed., Adv. Mater., Adv. Sci., Adv. Funct. Mater.等国际期刊发表SCI论文40余篇。主持各类科研项目8项，其中国家级1项，省部级1项，市厅级4项 。作为骨干成员参与国家重点研发计划氢能专项及国自然重点项目各1项。获苏州大学优秀青年学者(2022)，第七届中国创新挑战赛最佳方案解决奖(2023)，苏州市青年科技人才托举工程资助对象(2024），江苏省青年科技人才托举工程资助对象(2024），教育部自然科学二等奖(2022, 2/4)。

扫码阅读严锋教授团队的精彩Account文章：