Cette avancée a le potentiel de révolutionner l'efficacité et l'abordabilité des technologies d'énergie renouvelable telles que les piles à combustible et les batteries à hydrogène, ouvrant ainsi la voie à un avenir énergétique durable.

Les détails des résultats ont été publiés dans le Journal of Materials Chemistry A. le 23 avril 2024.

L’étude a analysé 7 798 catalyseurs ORR d’oxyde métallique distincts issus d’expériences à haut débit. Ces catalyseurs, contenant des éléments tels que le nickel, le fer, le manganèse, le magnésium, le calcium, le lanthane, l'yttrium et l'indium, ont été testés à différents potentiels pour évaluer leurs performances.

À l'aide de la méthode d'apprentissage automatique XGBoost, les chercheurs ont construit un modèle prédictif pour identifier de nouvelles compositions potentielles sans avoir besoin de tests expérimentaux exhaustifs.

La recherche a révélé qu’un nombre élevé d’électrons itinérants et une entropie de configuration élevée sont des caractéristiques essentielles pour atteindre une densité de courant élevée dans l’ORR. Pour une densité de courant de 0,8 VRHE, les systèmes ternaires Mn – Ca – La, Mn – Ca – Y et Mn – Mg – Ca ont montré un potentiel significatif pour les applications des piles à combustible à hydrogène. À 0,63 VRHE, les systèmes Mn – Fe – X (X =Ni, La, Ca, Y) et Mn – Ni – X (X =Ca, Mg, La, Y) ont été identifiés comme candidats prometteurs pour la production de peroxyde d'hydrogène. /P>

"Notre approche innovante utilisant l'apprentissage automatique accélère la conception et l'optimisation de catalyseurs multicomposants, économisant ainsi beaucoup de temps et de ressources", déclare Xue Jia, professeur adjoint à l'Institut avancé de recherche sur les matériaux et l'un des co-auteurs de l'étude.

"En identifiant efficacement les compositions de catalyseurs hautes performances, nous disposons d'une méthode de transformation démontrée qui peut conduire à des progrès significatifs dans les technologies énergétiques durables.

Des catalyseurs améliorés peuvent améliorer l’efficacité et réduire le coût des technologies d’énergies renouvelables, favorisant ainsi leur adoption plus large et réduisant la dépendance aux combustibles fossiles. Des systèmes de stockage d'énergie plus efficaces peuvent réduire les coûts globaux, rendant les énergies renouvelables plus accessibles et contribuant à la conservation de l'environnement.

L’application réussie de l’apprentissage automatique dans cette étude crée un précédent pour les recherches futures, conduisant potentiellement à des percées dans divers domaines scientifiques. Des catalyseurs ORR améliorés peuvent également améliorer la production de peroxyde d'hydrogène, largement utilisé pour la désinfection et les processus industriels, bénéficiant ainsi à la santé et à la sécurité publiques.

"Cette recherche souligne l'incroyable potentiel de l'intelligence artificielle pour accélérer la conception de catalyseurs et la découverte de matériaux", ajoute Jia. "Nous espérons que nos résultats rendront possibles de futures percées dans les technologies énergétiques durables, qui sont cruciales pour relever les défis énergétiques mondiaux."