数据驱动下的固态储氢材料设计研究进展

杨维结（华北电力大学动力工程系）

摘要：随着全球能源转型的加速,氢能因其高能量密度和清洁特性受到广泛关注。在储氢技术中,固态储氢以安全性高和体积能量密度大被视为最具潜力的途径。然而,固态储氢材料在储氢密度与操作温度2个重要指标面临着“鱼与熊掌”不可兼得的困局,严重制约了其实际应用。近年来,数据驱动技术在材料设计、性能预测和催化剂优化方面展现出巨大潜力,为新型储氢材料的开发提供了新思路。本文系统综述了数据驱动技术在固态储氢领域的研究进展,重点包括3方面:首先,高质量数据库的构建与应用为模型训练提供可靠支撑;其次,基于机器学习的合金正向与逆向设计实现了材料性能的高效预测与优化;最后,多智能体平台(如Cat-Advisor)通过多模态文献信息处理,推动镁基脱氢催化剂的智能筛选与优化。文章还讨论了催化剂微观结构表征不足、逆向设计能力有限及多源数据提取困难等挑战,并展望了通过AI、多模态智能体和数据库质量提升,推动固态储氢材料研发向系统化与智能化发展的前景。

关键词：固态储氢；数据驱动设计；储氢合金；脱氢催化剂；多智能体平台