机器学习驱动液态有机储氢技术的系统优化
摘要:在全球气候变化加剧与能源结构转型的双重挑战下,发展高效清洁的氢能储运技术已成为实现碳中和目标的关键路径。液态有机氢载体(LOHCs) 储氢技术因其高安全性、可利用现有基础设施等优势成为氢能储运领域的研究热点,但其产业化受制于脱氢动力学缓慢、催化剂依赖性强等问题。近年来机器学习(ML) 在新材料设计、反应优化以及数据驱动建模中的突破为LOHCs技术注入了新动能。本文聚焦于ML在LOHCs分子设计与筛选、催化剂设计和反应条件优化等方面的最新研究,提出了目前研究的短板,并展望了未来发展方向
