讀特客戶端?深圳新聞網(wǎng)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(jīng)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(nèi)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(diào)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。