科研成果登上《自然—能源》，深大謝和平院士團隊助力實現煤炭清潔高效利用

讀創/深圳商報首席記者 吳吉

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，在《自然—能源》上發表研究成果。他們將機器學習、理論計算與陶瓷固體氧化物開發相結合，開發了一個經過實驗驗證的陰極材料機器學習篩選技術，快速、有效地從龐大的鈣鈦礦組分中篩選高活性固體氧化物燃料電池陰極材料，對探索近零碳排放發電技術具有重大意義。香港理工大學倪萌教授、南京工業大學邵宗平教授為共同通訊作者。

基於機器學習的固體氧化物燃料電池陰極材料開發總體工作流程圖

實現煤炭清潔高效利用對我國能源結構改革具有重要戰略意義。然而，燃煤電廠受卡諾迴圈限制，單位發電量的煤炭消耗量較高，且難以破解二氧化碳排放的技術瓶頸。謝和平團隊提出並正在攻關的“近零碳排放直接煤燃料電池發電技術”，可打破卡諾迴圈的限制，不透過燃燒，而是將改性煤炭的化學能透過電化學氧化過程直接轉換為電能，同時在系統內原位實現二氧化碳二次利用，具有能量轉換效率高、實現近零碳排放的特點。不過，傳統的材料設計、表徵和測試依賴低效的試錯過程，往往需要漫長的研究週期。

針對這一難題，謝和平團隊將機器學習技術應用於針對固體氧化物燃料電池高活性陰極材料篩選的攻關研究。該研究將機器學習、理論計算與陶瓷固體氧化物開發相結合，開發了一個經過實驗驗證的陰極材料機器學習篩選技術，實現了固體氧化物燃料電池篩選高活性陰極材料的重大突破。

最終，團隊從機器自動生成、預測的6871種不同鈣鈦礦氧化物中篩選出了4種鈣鈦礦陰極併成功合成。該項研究成功將機器學習與高活性固體氧化物燃料電池陰極材料的開發相結合，實現了快速、有效地從龐大的鈣鈦礦組分中篩選高活陰極材料。

該成果為團隊正在攻關的“近零碳排放直接煤燃料電池發電技術”提供了理論依據與技術支援。

審讀：孫世建