在氣候危機(jī)時(shí)代，氫能汽車作為綠色出行的替代方案正逐漸興起。然而，被譽(yù)為“氫能汽車之心”的燃料電池仍面臨成本高、壽命短的瓶頸問題。其中核心原因在于鉑催化劑。雖然鉑是生成電能的關(guān)鍵材料，但其反應(yīng)速度較慢，性能隨時(shí)間衰減，且制造成本高昂。韓國科研人員近日給出了這一難題的解決線索。

韓國科學(xué)技術(shù)院(KAIST)于2月26日宣布，由材料科學(xué)與工程系的EunAe Cho教授帶領(lǐng)的團(tuán)隊(duì)，聯(lián)合首爾國立大學(xué)(Seoul National University)化學(xué)與生物工程學(xué)院的Won Bo Lee教授團(tuán)隊(duì)，開發(fā)出一項(xiàng)利用人工智能(AI)預(yù)測催化劑“原子排列”傾向的技術(shù)。

該技術(shù)類似于在拼圖之前，先通過計(jì)算判斷哪種組合更有利于完成拼圖。通過讓AI先計(jì)算金屬原子的排列速度，現(xiàn)在可以高效設(shè)計(jì)出性能更優(yōu)的催化劑。研究核心在于“AI揭示了鋅在鉑-鈷原子排列中發(fā)揮決定性作用”。

盡管現(xiàn)有鉑-鈷(Pt-Co)合金催化劑性能較高，但要形成原子規(guī)律排列的“金屬間化合物(L1?)”結(jié)構(gòu)，需要經(jīng)歷極高溫的熱處理。在這一過程中，催化劑顆粒容易團(tuán)聚，或結(jié)構(gòu)變得不穩(wěn)定，限制了其在燃料電池中的實(shí)際應(yīng)用。

為解決這一問題，研究團(tuán)隊(duì)引入了基于機(jī)器學(xué)習(xí)的量子化學(xué)模擬。通過AI，他們精確預(yù)測了催化劑內(nèi)部原子的運(yùn)動(dòng)和排列方式。

結(jié)果發(fā)現(xiàn)，鋅(Zn)作為介導(dǎo)元素促進(jìn)了原子排列。當(dāng)引入鋅時(shí)，原子更容易找到合適位置，從而形成更精細(xì)、更穩(wěn)定的結(jié)構(gòu)。換言之，AI預(yù)先找到了“原子排列生成的最優(yōu)路徑”。

基于AI預(yù)測合成的鋅-鉑-鈷催化劑，在活性和長期耐久性方面均優(yōu)于商業(yè)化鉑催化劑。這一成果證明了AI計(jì)算出的“虛擬藍(lán)圖”能夠在實(shí)驗(yàn)室中實(shí)現(xiàn)為高性能催化劑。

尤其值得注意的是，這項(xiàng)技術(shù)有望在氫動(dòng)力乘用車、長途氫能卡車、氫能船舶以及儲(chǔ)能系統(tǒng)(ESS)等核心碳中和產(chǎn)業(yè)中延長催化劑壽命并降低制造成本。

EunAe Cho教授表示：“本研究利用機(jī)器學(xué)習(xí)預(yù)測催化劑的原子排列趨勢，并通過實(shí)際合成實(shí)現(xiàn)了這一預(yù)測?！彼a(bǔ)充道：“基于AI的材料設(shè)計(jì)將成為下一代燃料電池催化劑研發(fā)的新范式?！?/p>

KAIST材料科學(xué)與工程系博士生HyunWoo Chang與首爾國立大學(xué)化學(xué)與生物工程學(xué)院Jae Hyun Ryu博士作為共同第一作者參與了本研究。研究成果已于2026年1月15日發(fā)表于能源材料領(lǐng)域世界頂級(jí)期刊《Advanced Energy Materials》。

論文標(biāo)題：Machine Learning-Guided Design of L1?-PtCo Intermetallic Catalysts: Zn-Mediated Atomic Ordering

原文鏈接: https://doi.org/10.1002/aenm.202505211

該研究得到韓國國家研究基金會(huì)納米與材料技術(shù)開發(fā)計(jì)劃(National Research Foundation of Korea’s Nano & Material Technology Development Program)以及韓國能源技術(shù)評(píng)估與規(guī)劃研究院燃料電池技術(shù)能源創(chuàng)新研究中心(Korea Institute of Energy Technology Evaluation and Planning’s Energy Innovation Research Center for Fuel Cell Technology)的支持。

（素材來自：韓國科學(xué)技術(shù)院 全球氫能網(wǎng)、新能源網(wǎng)綜合）