中国几秒钟搞定燃料电池催化剂设计，生成式AI替代数月实验
一套生成式AI系统能快速设计出优化的燃料电池催化剂层,在极低铂用量下跑出明显更好的性能,省去了过去那种反复试错、耗时数月的过程。
(Nanowerk Spotlight)一个氢燃料电池靠氢气和空气就能让车跑几百公里,排出来的只有水。把一堆电池摞起来,可以开公交、供数据中心用电,或者给医院备用。化学原理漂亮,工程也成熟了,排放几乎无可挑剔。
但这玩意儿太贵,推广不开,问题就出在铂上。几克铂做成纳米颗粒,撒在比头发丝还薄的催化剂层里,负责驱动氧还原反应——整个系统就靠这个。光铂就占了燃料电池组成本的四成左右。
能不能换掉它?研究人员试过。铁、钴、氮掺杂碳材料在实验室里看着不错,但放到真实环境里——燃料电池内部那种强酸性条件下,催化活性、稳定性、耐久性,没一个能跟铂比的。
把铂跟便宜金属做成合金,或者改造纳米颗粒形状让每克铂暴露更多催化面,确实能少用点,但铂还是躲不掉。所以另一条路同样关键:优化铂周围的微观结构,让少量的铂发挥出更大作用。
这事儿难就难在结构太复杂。催化剂层才几微米厚,里面却是个精密世界:2到3纳米的铂颗粒贴在30到50纳米的碳载体上,外面包着一层叫离聚物的质子传导聚合物,膜厚只有3到7纳米,这些东西之间还布满了给氧气开路的孔道。
铂一减少,所有参数都跟着变:活性表面积缩水,氧分子抢位置更激烈,大功率输出时电压掉得更厉害。
用常规方法优化这种结构,慢得要命。就算只模拟边长100纳米的一小块,也得用上百万个三维像素才够分辨率。研究人员一次重建一个结构,用昂贵的成像设备,跑计算量巨大的模拟,凭经验调参数,然后再来一遍。
这么折腾几个月下来,也不敢说最后的设计就是最优的。设计空间太大了,人的直觉和一步步算,根本探索不过来。
《先进能源材料》最近发了篇论文("深度生成模型调控燃料电池中的超低铂催化剂层"),换了个思路。
东方理工高等研究院、西安交大和香港城市大学(东莞)的团队搞了个叫GAI4CES的框架(全称是"可控电极合成的生成式人工智能")。它用深度生成模型快速合成逼真的三维催化剂层结构,筛几千个候选方案,挑出那些在超低铂用量下性能远超传统结构的设计。
GAI4CES框架示意图,包含两个子模块:离散降维和条件生成建模
GAI4CES分两个模块工作。第一个是矢量量化变分自编码器(VQ-VAE)神经网络,把高清3D微观结构数据压缩成一组简洁的离散代码,去掉冗余信息,保留铂、碳、离聚物和孔隙之间的空间关系。
第二个是Transformer解码器(跟大语言模型用的是同一类架构),学会从压缩代码生成新结构,一层层往上搭。
有个从视频合成借来的技巧让这事儿能放大规模干。每个二维横截面当成一帧画面来处理,模型生成一帧,拿它当基础生成下一帧,沿着反应物在燃料电池里走的关键路径延伸,想做多厚都行。
构建一个128立方纳米的标准催化剂层只要0.36秒,传统数值方法得168秒,GAI4CES快了差不多500倍。
GAI4CES跟早期那些生成方法不一样的地方在于能精确控制。你把目标参数——比如铂载量或者电化学表面积(ECSA,就是能参与反应的铂表面总量)——直接通过条件层归一化喂给Transformer解码器,模型就能生成符合这些指标的微观结构。
测试结果很准,输出结构的铂体积分数跟设定值吻合,物理规律也对得上:铂含量高,碳区域就扩大,孔隙率就降低,跟化学原理预期的一致。
研究人员还演示了对更复杂性质的控制。他们用2000对微观结构-性质数据训练了个DenseNet预测器,在400个测试样本上估算局部氧传输阻力(衡量氧气到铂表面有多难),准确度R²达到0.957。
有了这个预测器,不用每个候选方案都跑一遍计算量爆表的格子玻尔兹曼模拟,就能快速筛选。
生成和评估都跑得飞快,团队就上了个两阶段优化策略。GAI4CES先生成1万个候选微观结构,铂载量固定在0.05 mg cm⁻²这个超低水平。预训练好的预测器用氧传输阻力和ECSA的综合指标给所有候选打分排序,只有前100名才进入完整数值验证。
AI设计出的最佳微观结构,在这个综合指标上比九个传统重建的参考结构高出16.6%。放进完整的三维质子交换膜燃料电池模型里,同样0.05 mg cm⁻²的铂载量,优化设计在3 A cm⁻²电流密度下让最大电压提升了70.2%。
这么大的数据集也带来了结构上的新发现。把1万多个生成的结构按六个铂载量等级分类排性能,研究人员发现了个跟载量相关的规律。在0.05 mg cm⁻²及以下的超低载量时,ECSA跟性能的关联最强(0.03 mg cm⁻²时皮尔逊系数r = −0.85)。
载量高于0.07 mg cm⁻²时,离聚物平均膜厚成了主要影响因素,相关系数在0.07到0.4 mg cm⁻²范围里从0.81涨到0.98。跟表现最差的比,超低载量下的优化结构把ECSA提高了11.6%,平均离聚物厚度砍了32.9%。
这些结果指向很具体的制造策略。超低铂系统该用表面积体积比高的催化剂,比如锯齿状铂纳米线。常规载量系统最该优化的是离聚物分布均匀性。
这套框架自己也承认有局限。性能指标只考虑了氧传输阻力,质子传导、电子传导、水传输都没顾上。优化基本靠近乎穷举的搜索,碰上复杂的多目标问题可能扩展不了。AI优化出的设计还得拿去做实验验证,这是后面要干的事。
即便有这些限制,GAI4CES还是标志着明显的转向——从凭直觉、一步步试的催化剂层设计,转到系统化、AI驱动的大范围设计空间探索。几小时内生成和评估几万个物理上靠谱的微观结构,不用再耗几个月,这给少用铂又不损性能的实用燃料电池开了条更直的路。
原文作者：Michael Berger – Michael是英国皇家化学学会四本书的作者:
《纳米社会:推动技术边界》(2009),
《纳米技术:未来是微小的》(2016),
《纳米工程:使技术隐形的技能和工具》(2019),
《不浪费!纳米技术如何提高整个社会的效率》(2025)
信息来源：Nanowerk LLC