谢和平等发表固体氧化物燃料电池阴极材料筛选研究重要成果

xixili

近日，深圳大学谢和平院士与其博士生翟朔分别为通讯和第一作者，香港理工大学倪萌教授、南京工业大学邵宗平教授为共同通讯作者在Nature Energy（IF：67.439）以深圳大学为第一单位发表了题为" 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。该研究将机器学习、理论计算与陶瓷固体氧化物开发相结合，开发了一个经过实验验证的阴极材料机器学习筛选技术，实现了固体氧化物燃料电池筛选高活性阴极材料的重大突破。

图一基于机器学习的固体氧化物燃料电池阴极材料开发总体工作流程图

图二高活性钙钛矿阴极材料结构及电化学性能

图三钙钛矿阴极材料本征活性与路易斯酸性强度以及离子半径函数相关性的三维可视化示意图

       实现煤炭的清洁高效利用,推动煤炭革命,对我国能源结构改革具有重大战略意义。当前，现代化的燃煤电厂受到卡诺循环的限制，单位发电量的煤炭消耗量居高不下，同时难以破解煤炭发电固有的CO2大量排放的技术瓶颈，无法真正实现煤炭的清洁低碳利用。谢和平院士团队率先提出并正在攻关“近零碳排放直接煤燃料电池（DCFC）发电技术”(CN114284533A)。该技术可打破卡诺循环的限制，不通过燃烧,而是将改性煤炭的化学能通过电化学氧化过程直接转换为电能，同时在系统内原位实现CO2二次能源化利用。其中DCFC是基于固体氧化物燃料电池，其阴极提供了碳氧化反应所需的氧离子，材料的本征活性对氧还原反应的动力学反应速率有着决定性作用。然而，传统的材料设计、表征和测试依赖低效的试错过程，往往需要漫长的研究周期。
       基于上述研究思考，该研究创新将机器学习、理论计算与固体氧化物燃料电池阴极材料设计相结合，实现了快速、有效的从庞大的钙钛矿组分中筛选高活性阴极材料。该研究阐明了钙钛矿氧化物路易斯酸性调控策略提升本征活性的机理，揭示了路易斯酸性在A位和B位离子的极化分布引起电子对的偏移，进而降低氧空位的生成能和迁移能垒的机制。该成果为团队正在攻关的“近零碳排放直接煤燃料电池发电技术”提供了理论依据与技术支持。
        论文链接：https://www.nature.com/articles/s41560-022-01098-3
        文章来源：南方科技大学
        谢和平，男，1956年1月生于湖南省双峰县，中共党员，中国工程院院士，四川大学校长。1982年于中国矿业大学数学力学系获学士学位，1982-1987年于中国矿业大学北京研究生部获力学硕士、博士学位。多次赴国外大学访问讲学，担任国务院学科评议组成员，获得国家自然科学基金委“创新研究群体”项目(编号：50221402)首席科学家等10余项学术荣誉和奖励。主持完成了15项国家和省部级重要科研项目，2000年获国家科技进步二等奖，1995年获国家自然科学三等奖，1999年获国家科技进步三等奖和煤炭科技进步特等奖，2001年获中国高校自然科学一等奖，1998年获煤炭科技进步一等奖和教育部科技进步二等奖，1996年获教育部科技进步二等奖，1991年获国家教委科技进步一等奖。出版有《Fractals in Rock Mechanics》、《岩石混凝土损伤力学》、《分形~岩石力学导论》中英文学术专著3部，及《分形应用中的数学基础与方法》、《分形几何：数学基础与应用》编著2部，主编有《跨世纪的矿业科学与高新技术》等文集5部。在《Int.J.Rock Mech.Min.Sci.》，《中国科学》等十余种国内外有重要影响的学术刊物上发表研究论文发表论文200余篇。其中SCI收录34篇、引用300余次，EI收录50篇。