中科院长春应化所李宏飞/贵州大学李云琦JMS:自动化人工智能技术高效设计聚合物膜材料
军工资源网 2023年12月15日阴离子交换膜是决定阴离子交换膜燃料电池能量/功率密度、循环寿命等性能的核心部件,也是当前阴离子交换膜燃料电池汽车亟需进一步发展的关键材料,然而其商业化进程仍受制于各个性能之间的权衡关系。中国科学院长春应用化学研究所李宏飞团队围绕阴离子交换膜的组成工艺和性能数据库开展了大数据研究,聚焦阴离子交换膜的组成-工艺-结构-性能关系,为基础研究和应用开发提供理论参考和工具支持。
图1 自动化机器学习设计聚合物膜材料的研究框架
图2 文中新提出的离子传导-尺寸稳定性(CDST)指标
图3 对当前主流阴离子交换膜聚合物骨架和阳离子基团的聚类分析
图4 自动化机器学习流水线预测阴离子电导率和CDST的模型性能
图5 自动化机器学习针对离子传导率和CDST对共聚物化学空间的筛选结果
图6 用于快速筛选阴离子交换膜材料的软件polySML-AEM,软件著作权号:2023SR1489180.
该工作以“Expert-augmented machine learning to accelerate the discovery of copolymers for anion exchange membrane”为题发表在最新一期的《Journal of Membrane Science》上。第一作者为中国科学院长春应用化学研究所特别研究助理刘伦洋,通讯作者为李宏飞研究员和李云琦教授。作者特别感谢国家自然科学基金项目(22173094、51988102、22203088)、中国一汽集团有限公司自主创新科技重大专项(关键技术研发)项目(20220301018GX)、国家科技重大专项(2021YFB3801500)、贵州大学人才基金项目(C0048072)的资助。作者团队感谢中科院长春应用化学研究所网络与计算中心的大力支持。| 封面来源于图虫创意