基于材料基因工程的储氢材料数据库构建及其应用

高密度储氢材料的加速研发对于我国能源经济转型、早日实现双碳目标至关重要.集成高通量计算、数据库及机器学习预测的数据驱动材料研发新范式有望缩短研发周期并降低研发成本.由于组分、结构、工艺及形貌等多重复杂性,目前储氢材料相关的数据驱动性能预测研究较少,尚缺乏一个较为系统的性质性能数据库.因此,本文中我们开发了智能化的数据挖掘引擎,通过已发表的学术论文中发掘储氢材料热力学、动力学储氢性能数据,以及现有的材料基因工程数据库数据中获取含氢材料物理化学性质,并结合高通量第一性原理计算数据,构建了储氢材料性质性能数据集.基于所构建的数据集进一步建立了储氢材料数据库,并应用晶体图形神经网络等机器学习方法对储氢材料的吸放氢质量、吸放氢温度进行预测.相关工作将数据驱动的材料研发新模式与储氢材料相结合,为发展实用高效的新型储氢材料提供有效的平台支持、数据支撑、方法指引.