摘要:催化剂层(CLS)的多尺度设计对于将氢电化学转换设备推向商业化部署很重要,但是,多尺度CL组件之间的复杂相互作用,高合成成本和庞大的设计空间,这一数字受到了极大的阻碍。我们缺乏能够准确反映纳米结构 - 性能关系并有效地搜索设计空间的理性设计和优化技术。在这里,我们用深层的人工智能(AI)框架填补了这一空白,该框架集成了最近的生成AI,数据驱动的替代技术和集体智能,以有效地搜索由其电化学性能驱动的最佳CL纳米结构。Glider通过利用量化量化矢量自动编码器的维度降低能力来实现现实的多尺度数字发电。滑翔机的强大生成能力可以有效搜索CLS的PT碳 - 离子体纳米结构的最佳设计参数。我们还证明滑翔机可以转移到其他燃料电池电极微结构产生,例如纤维气体扩散层和固体氧化物燃料电池阳极。滑翔机作为设计和优化广泛的电化学设备的数字工具。关键字:燃料电池,生成人工智能,多尺度设计,多物理,催化剂层
应力测试是开发出,该测试的重点是质子交换膜电解的阳极催化剂层降解,这是由于模拟的起步操作而引起的。ex exte测试表明,由于近表面还原和循环到高电位时,重复的氧化还原循环会加速催化剂溶解。相似的结果发生在原位,其中发现细胞动力学(> 70%),虹膜从阳极催化剂层迁移到膜中。但是,观察到其他过程,包括虹膜氧化的变化,较薄和更密集的催化剂层的形成以及从运输层迁移的铂。还发现了增加的界面弱化,通过增加催化剂层的接触电阻和分离部分,从而增加了欧姆和动力学损失。反复的水流关闭进一步加速性能损失,并增加界面和催化剂层内的撕裂和分层的频率。这些测试应用于几种商业催化剂,在其中观察到含有钌或高金属含量的催化剂的损失率更高。这些结果表明有必要了解如何发生操作停止,以确定损失机制的加速方式以及制定限制绩效损失的策略。©2024作者。由IOP Publishing Limited代表电化学学会出版。[doi:10.1149/1945-7111/ad2bea]这是根据Creative Commons Attribution 4.0许可(CC by,http://creativecommons.org/licenses/ by/4.0/)分发的开放式访问文章,如果原始工作适当地引用了原始作品,则可以在任何媒介中不受限制地重复使用工作。
1. 简介在电解装置中,由于 OER 位点不活跃以及材料电导率低,催化剂层会导致电解器整体运行中的损耗。[1,2] 为了实现下一代廉价 OER 电解器催化剂,催化剂本身必须具有导电性,在工作条件下具有机械和化学稳定性,具有较高的电化学表面积,并含有高浓度的活性位点以释放 O 2 。迄今为止,质子交换膜 (PEM) 和碱性阴离子交换膜 (AAEM) 水电解还未实现这一点。制造具有所有这些特性的催化剂的一种方法是将具有这些特性的不同材料本质上结合起来,制成一种“超级”催化剂。