学术报告——机器学习助力质子——固体氧化物电池空气极设计

报告题目：机器学习助力质子——固体氧化物电池空气极设计

报告时间：2025年11月27日15:30-16:30

报告地点：5B-202

报告人：唐春梅

主办单位：材料科学与工程学院

报告人简介：

唐春梅，博士，材料科学与工程学院，讲师。主要结合计算科学和实验验证，采用人工智能辅助材料设计的现代研究方法，着力解决质子-固体氧化物电池中关键材料开发、界面调控及作用机理等问题。以第一/通讯作者在Adv. Mater.、Adv. Energy Mater.、eScience、Nano-Micro Lett.、InfoMat、Adv. Funct. Mater.等国际期刊发表论文18篇，获国家自然科学基金青年科学基金项目、中国博士后基金面上项目及广州市博士后基金启动项目的资助。广东省“珠江人才计划”海外青年人才引进博士后资助项目获得者。

内容简介：

氢能是21世纪极具发展前景的能源，在全球能源结构优化中具有重要意义，利用可再生能源电解水制氢储氢可以实现能源跨季节、跨地域的优化配置。质子-固体氧化物电池（P-SOC）具有原料成本低、环境影响小、理论电解效率高等优点，是制氢用氢领域的研究重点和热点。然而，P-SOC的发展和应用在关键材料设计上仍面临着不少困难。本报告针对P-SOC缺乏高性能空气极催化剂促进三相界面处电化学反应这一挑战，创新性地利用机器学习和第一性原理计算筛选空气极催化剂，并实现其在P-SOC上的应用，同时提升电解池和燃料电池的电化学性能。