广州大学叶思宇院士/汪宁/华南理工大学袁保印Nano Energy：再探讨机器学习与质子固体氧化物燃料电池关键材料

第一作者：袁保印

通讯作者：汪宁*，叶思宇*

单位：华南理工大学，广州大学

近日，来自华南理工大学的袁保印博士联合广州大学叶思宇院士、汪宁副教授，在国际知名期刊Nano Energy上发表题为“Advances and challenges in high-performance cathodes for protonic solid oxide fuel cells and machine learning-guided perspectives”的综述文章。该文章重点指明了机器学习技术如何用于质子-固体氧化物燃料电池高性能阴极的理性设计以及当前面临的挑战。

本文简要概述了过去十年中质子-固体氧化物燃料电池阴极的里程碑进展。基于这些先进的阴极材料和其在质子-固体氧化物燃料电池中必须承担的角色，分析了当前阴极材料面临的挑战，并且提出了机器学习在开发阴极材料中的作用，如预测离子/电子电导率、催化活性、稳定性等指标。

机器学习通过加速材料发现、降低实验成本和优化材料设计来促进新材料的开发。机器学习在材料科学中的应用步骤可简单描述为：发现材料科学中的问题，收集数据，对数据预处理，特征工程，训练及优化模型等。

本文从数据质量、行业数据的规范性、对物质属性关系的有限理解、缺乏标准化实验技术等方面深入探讨了在应用机器学习处理材料科学领域问题时所面临的挑战，而克服这些挑战将进一步发挥ML在材料科学研究中的应用潜力，这需要更密切的跨学科合作、改进数据共享和标准化、提高ML模型的可解释性以及开发强大的验证框架。

Advances and challenges in high-performance cathodes for protonic solid oxide fuel cells and machine learning-guided perspectives

https://doi.org/10.1016/j.nanoen.2024.109306

袁保印，2020年博士毕业于日本北海道大学，现为华南理工大学数学学院助理研究员，主要研究方向是应用统计学、机器学习、计算数学等，致力于跨学科的数学建模与数据分析。以第⼀/通讯作者在Adv. Mater., Adv. Energy Mater., Adv. Funct. Mater., Nano Energy，PLoS Neglect Trop D, J Theor Biol等⾼⽔平期刊发表论⽂十余篇，截至2023年12月，总引用5000余次。

汪宁，广州大学副教授，2020年博士毕业于日本北海道大学，近年来致力于人工智能加速能源材料的迭代创制，以及电解质、空气极等关键材料在质子陶瓷燃料电池/电解池的应用。截至目前，以第一/通讯作者在Adv. Mater., Adv. Energy Mater., Adv. Funct. Mater., InfoMat, Nano Energy等高水平期刊发表文章15篇。

叶思宇，加拿大工程院院士，广州大学特聘教授，博士生导师，黄埔氢能源创新中心负责人和首席科学家，广东省省长经济顾问，广东省政府新能源汽车产业创新发展咨询委员会燃料电池汽车领域专家组组长，广东省氢能技术重点实验室第一届学术委员会主任，先进能源科学与技术广东省实验室云浮分中心学术委员会主任，加拿大不列颠哥伦比亚大学、滑铁卢大学、华南理工大学、南方科技大学兼职教授，厦门大学、西南交通大学名誉教授，中国科学院广州能源研究所客座研究员，鸿基创能科技（广州）有限公司副董事长兼首席技术官。