机器学习驱动液态有机储氢技术的系统优化

范夏雨1，孙建辰1，李可莹1，姚馨雅2，商辉1（1 中国石油大学（北京） 化学工程与环境学院；2 中国石油大学（北京） 人工智能学院）

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

关键词： 有机化合物；制氢；机器学习；优化设计；脱氢催化剂