阴离子交换膜是决定阴离子交换膜燃料电池能量/功率密度、循环寿命等性能的核心部件,也是当前阴离子交换膜燃料电池汽车亟需进一步发展的关键材料,然而其商业化进程仍受制于各个性能之间的权衡关系。

中国科学院长春应用化学研究所李宏飞团队围绕阴离子交换膜的组成工艺和性能数据库开展了大数据研究,聚焦阴离子交换膜的组成-工艺-结构-性能关系,为基础研究和应用开发提供理论参考和工具支持。

在前期利用人工智能设计聚合物膜材料的积累上,作者团队构建了一个自动化的人工智能管道来筛选阴离子交换膜候选共聚物的广阔化学空间。该管道利用集成了12种人工智能算法的遗传算法来筛选共聚物,这些共聚物有可能通过聚合物疏水和亲水骨干和阳离子基的进化来提高AEM性能。通过对实验报道的749种共聚物的数据挖掘,该管道自动生成了超过1.72亿种假设共聚物,并根据预测的性能指标(OH-电导率、电导率-尺寸稳定性权衡系数和Pareto边界集中阳离子的LUMO)筛选出2519种潜在的候选共聚物。