东北大学等发布数字氢能平台DigHyd

东北大学等发布数字氢能平台DigHyd。该平台收录超3万条数据,结合AI与人工验证建立可靠数据库。研究揭示材料属性与储能容量及平衡压力的物理关联,助力理解氢气储存机制。

2026 年 10 月 23 日

收录超3万条储氢数据

来源:东北大学

人工智能辅助的文献挖掘和人类验证将已发布的压力-组成-温度 (PCT) 测量和范特霍夫分析转化为精选的容量数据。这些数据支持在不同操作条件下对存储行为进行比较。照片来源:韩。

氢能技术的清洁未来不仅依赖于开发能够有效储存和释放氢气的材料,更取决于深入理解储存容量与实际运行条件之间的权衡关系。为此,由东北大学领衔、东京大学参与合作的研究团队开发了数字氢能平台(DigHyd)。这是一个经过精心策划的数据库,收录了来自 4000 多篇实验文献中的超过 30,000 条数据条目。相关论文发表于《应用物理学 A》期刊。

基于这一资源,研究团队构建了一张物理地图,将材料属性与储能容量及平衡压力联系起来,从而帮助确定材料吸收和释放氢气所需的条件。研究人员指出,仅仅找到能够容纳大量气体的材料是不够的,还需要了解气体是如何被储存的,以及材料的特性如何决定其保留和释放机制。通过将可靠的实验数据与可解释的人工智能相结合,该团队旨在揭示这些潜在的物理关系。

结合实验证据的数据校验

建立可靠数据库的过程并非仅依靠自动收集数据。该团队采用了人工智能辅助的文献挖掘技术,并结合严格的人工验证流程,将提取的信息与原始出版物进行对比,标准化单位并分析实验曲线。

针对在结构中储存氢气的金属氢化物,研究人员手工整理了 4,643 个储存容量测量值和 652 对范特霍夫测量值。这些热力学量有助于预测储存行为随温度的变化规律,而与原始出版物的链接则确保了数据的可追踪性和可验证性。

物理地图连接储能容量和平衡压力。原子质量和格子几何学有助于解释容量,而对格子变形的阻力则影响平衡压力。绿色框突出说明特别适用于间隙氢化物。紫色盒子将电负性、导热性和弹性刚性联系在一起,表明容量-压力权衡的物理基础。蓝色和红色箭头分别表示负面和正面贡献;黑色箭头表示几何匹配。照片来源:韩。

揭示物理机制的方程

随后,研究人员应用了一种名为 GoodRegressor 的符号回归 AI 方法,从数据中识别关系并将其表达为数学方程。在五倍交叉验证测试中,该方法实现了与领先的黑盒模型相当的预测性能,同时生成了科学家可以解读的方程。这使得团队不仅能够预测材料行为,还能调查其背后的物理机制。

储能容量与压力的关联

由此生成的地图揭示了影响储能容量和平衡压力的物质性质之间的相互连接层级。较轻的宿主原子通常有利于提高重量储能量。

在间隙氢化物中,氢占据金属原子之间的空间,使得原子大小及其在晶格中的排列变得至关重要。此外,热膨胀和热导率等特性也为理解材料如何容纳氢气提供了线索。

地图还显示,材料的机械特性直接影响储存过程。当氢进入金属晶格时,结构必须发生变形和膨胀。较硬的材料抵抗这种变形,增加了适应所需的弹性能量,这可能导致氢化物不稳定,并提高其平衡压力。

团队还确定了检测到的金属中电负性、导热性和抗压力之间的联系,这有助于解释为何提高储能能力也会改变释放氢气所需的条件。

从相关性到实验测试

这些发现表明,在设计新材料时,应同时考虑储能容量和平衡压力。物理地图没有单独看待每个材料属性,而是提供了一个框架来理解多个属性如何相互作用以塑造存储性能。这也展示了符号回归如何在实验数据中发现以前未被识别的物理关系。

东北大学材料研究高级研究所 (WPI-AIMR) 的 Shin-ichi Orimo 表示:“重要的一步是利用这些见解来指导新材料的开发,并测试它们的预测性质是否能在实验中得到证明。通过将数据驱动分析与候选材料的合成和评估联系起来,我们希望加快寻找实用的储存解决方案。”

该团队计划扩大和完善数据库,确定有前途的材料组成,并合成候选材料进行实验测试。将测量的储存行为与模型预测进行比较,将有助于完善方法,并指导发现更高效的储存材料。

Seong-Hoon Jang 等人,《数字平台 (DigHyd):通过人工智能辅助的文献挖掘赋予储氢材料严格策划的数据库》,《应用物理 A》(2026)。DOI: 10.1007/s00339-026-09903-6

评论 0

0/500

评论需审核后展示,请文明发言

💬
还没有评论,来说两句

相关阅读