讀特客戶端?深圳新聞網2022年9月6日訊（記者 曹園芳 實習生 謝永平）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，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在Nature Energy（IF：67.439）以深圳大學為第一單位發(fā)表了題為" A combined ionic Lewis acid descriptor and machine-learning approach to prediction of efficient oxygen reduction electrodes for ceramic fuel cells" 的研究成果。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。
高活性鈣鈦礦陰極材料結構及電化學性能（深圳大學供圖）
鈣鈦礦陰極材料本征活性與路易斯酸性強度以及離子半徑函數(shù)相關性的三維可視化示意圖（深圳大學供圖）
據(jù)悉，當前，現(xiàn)代化的燃煤電廠受到卡諾循環(huán)的限制，單位發(fā)電量的煤炭消耗量居高不下，同時難以破解煤炭發(fā)電固有的CO2大量排放的技術瓶頸，無法真正實現(xiàn)煤炭的清潔低碳利用。謝和平院士團隊率先提出并正在攻關“近零碳排放直接煤燃料電池（DCFC）發(fā)電技術”(CN114284533A)。該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)內原位實現(xiàn)CO2二次能源化利用。其中DCFC是基于固體氧化物燃料電池，其陰極提供了碳氧化反應所需的氧離子，材料的本征活性對氧還原反應的動力學反應速率有著決定性作用。然而，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。
基于上述研究思考，該研究創(chuàng)新將機器學習、理論計算與固體氧化物燃料電池陰極材料設計相結合，實現(xiàn)了快速、有效地從龐大的鈣鈦礦組分中篩選高活性陰極材料。該研究闡明了鈣鈦礦氧化物路易斯酸性調控策略提升本征活性的機理，揭示了路易斯酸性在A位和B位離子的極化分布引起電子對的偏移，進而降低氧空位的生成能和遷移能壘的機制。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。