基于物理约束的机器学习解码储氢合金多样的压力-成分-温度行为

《Journal of Energy Chemistry》:Decoding diverse pressure–composition–temperature behavior of hydrogen storage alloys via physics-constrained machine learning

【字体: 大 中 小 】 时间:2026年10月21日 来源:Journal of Energy Chemistry 15.6

编辑推荐:

   摘要压力-浓度-温度(PCT)曲线是评价储氢合金氢吸收与解吸行为的基础。不同的储氢机制会产生不同类型的PCT曲线,而合金成分、相组成和测量条件等因素的变化进一步增加了其复杂性,使得统一预测与解释具有挑战性。本文通过集成单调性惩罚、等距回归和迁移学习,开发了一种物理约束的机器学

  

摘要

压力-浓度-温度(PCT)曲线是评价储氢合金氢吸收与解吸行为的基础。不同的储氢机制会产生不同类型的PCT曲线,而合金成分、相组成和测量条件等因素的变化进一步增加了其复杂性,使得统一预测与解释具有挑战性。本文通过集成单调性惩罚、等距回归和迁移学习,开发了一种物理约束的机器学习框架。分别选取多主元合金(MPEAs)、Mg–Ni–RE(RE = La和Y)合金和V–Ti–Cr合金作为单平台、双平台和循环PCT曲线的代表性体系。所建立模型准确重现了实验PCT行为,并进一步利用未参与模型构建的实验数据评估了模型对MPEAs和Mg–Ni–RE合金的预测性能。随后从预测曲线中导出了热力学与储氢参数。识别了MPEAs中与可逆容量相关的关键因素、Mg–Ni–RE合金中MgH2的热力学稳定性以及V–Ti–Cr合金中的循环稳定性,为调控这些性能提供了理论指导。该框架可进一步扩展至氢吸收/解吸动力学曲线及其循环演变过程的建模,支持储氢性能的多目标优化。

引言

固态储氢材料因在体积储氢密度和安全性方面优于传统的压缩储氢和低温储氢而备受关注[1,2,3,4]。储氢合金是此类材料的主要类别,因其可逆的氢吸收与解吸以及通过成分和相结构调控的可调性能而具有独特优势[5,6,7]。压力-浓度-温度(PCT)曲线为表征这些合金的平衡储氢行为提供了基础。储氢容量可直接从PCT曲线中确定,而在不同温度下测量的PCT数据可导出反应焓变和熵变等热力学参数[8]。此外,循环PCT测量可揭示循环过程中储氢容量和压力-浓度行为的变化,为评估循环稳定性提供依据[9]。因此,PCT曲线的准确高效获取及其可靠解读对于评价储氢合金和指导其合理设计至关重要。
具有不同氢化/脱氢机制的储氢合金表现出不同类型的PCT曲线。单平台曲线通常出现在以单一主要氢化/脱氢平衡为主导的体系中,例如纯金属[10,11]、AB型金属间化合物[12]、A2B型金属间化合物[13]、Laves相合金[14,15,16]、基于V的BCC合金[17,18]以及BCC多主元合金(MPEAs)[19,20,21]。虽然BCC合金在氢化过程中理论上经历分步的α→β→δ转变,但α→β平台通常位于极低平衡压力处,因此难以在实验上检测到[22,23]。双平台曲线通常出现在Mg–Ni合金和Mg–Ni–RE合金中,两个可观测平台主要对应于具有不同热力学稳定性的MgH2和Mg2NiH4[24,25]。尽管Mg–Ni–RE合金理论上表现出三个平台,但在Mg基合金典型PCT测量条件下,高稳定性的REHx相的氢释放困难,导致实验上观测到双平台行为[26]。更一般地,包含多个具有不同平衡压力的储氢相的合金,如果所有对应的平衡均可在同一压力-温度窗口内被访问,则可能表现出多平台特征。然而,此类多平台PCT曲线在实验研究中仍相对少见。此外,循环PCT测量通常针对V基合金[27,28]、Ti–Mn基合金[29,30,31]和多主元合金[32,33]等循环敏感体系进行。因此,实验上观测到的PCT行为可大致用三种特征曲线形式表示:单平台曲线、双平台曲线和循环曲线。曲线类型的多样性以及合金成分、相组成和测量条件等因素变化带来的复杂性,使得PCT曲线的统一准确预测面临巨大挑战。
当前PCT曲线预测方法主要包括热力学计算[22,26,34,35]和机器学习(ML)方法[36,37,38,39]。热力学计算为描述PCT曲线提供了基于物理的途径。CALPHAD(CALculation of PHAse Diagrams)方法可用于基于相关相的吉布斯自由能描述预测PCT曲线[40,41,42,43]。然而,其适用性受限于热力学数据库的可用性和准确性,且开发这些数据库耗时较长,对多组分金属-氢体系而言尤为稀缺。Zepon等人[22]开发了一种热力学模型,可在没有完整热力学数据库的情况下预测BCC多组分合金的PCT曲线。尽管如此,某些合金的平台压力和高氢浓度区域仍存在与实验数据的明显偏差。机器学习方法可捕捉输入特征与PCT响应之间的复杂非线性关系,对于预测多样化的PCT曲线具有前景。Kim等人[37]预测了AB2合金的吸收和解吸PCT曲线,Witman等人[38]预测了Pd基氢化物的PCT曲线。Verma和Joshi[39]开发了MH-PCTpro,用于预测不同合金成分的PCT等温线。然而,Kim等人[37]和Witman等人[38]的研究仅关注单平台行为。此外,Witman等人[38]和Verma和Joshi[39]仅预测了吸收PCT曲线。事实上,由于迟滞效应,实验上的吸收和解吸PCT曲线通常不重合,因此仅预测PCT曲线的一个分支无法完全表征完整的吸收与解吸行为。此外,PCT曲线中导出的热力学与储氢性能相关因素尚未得到充分阐明。
因此,本文的主要目标是利用机器学习方法实现对多样化PCT曲线的物理一致预测,并从预测曲线中导出可靠的热力学和储氢参数。首先,通过集成模型训练过程中的单调性惩罚作为软约束、模型预测过程中的等距回归作为硬约束以及迁移学习,开发了一种物理约束的机器学习框架。其次,分别以MPEAs、Mg–Ni–RE(RE = La和Y)合金和V–Ti–Cr合金作为单平台、双平台和循环PCT曲线的代表性案例,建立相应模型。首先将预测的PCT曲线与数据集中的实验数据进行评估,并利用未参与模型构建的实验数据进一步检验模型的泛化能力。随后从预测曲线中导出热力学和储氢参数,包括平台特征、迟滞、可逆和总储氢容量、反应焓变和熵变以及循环依赖性可逆性。最后,分析了MPEAs中与可逆容量相关的因素、Mg–Ni–RE合金中MgH2的热力学稳定性以及V–Ti–Cr合金中的循环稳定性,为调控这些性能提供理论指导。

章节摘要

数据集构建与特征选择

数据库由文献中实验报道的数据构建而成。合金成分、PCT测量温度及相应文献来源汇总于补充材料表S1–S4中。对于MPEAs,收集了2005年至2025年间涵盖多种成分和温度的PCT曲线数据,包括113条吸收和108条解吸数据。此外,数据集还包括Ti、V、Nb、Cr、Ni、Mo、Mn、Ta、Zr、Fe、Co等元素含量,

模型开发与性能评估

选取MPEAs作为单平台PCT曲线的代表性合金体系。采用相同的神经网络架构(包含三个隐藏层,分别含18、15和9个神经元)分别建立氢吸收和解吸模型。模型架构及冻结配置对比见示意图S4。微调所有层获得最佳解吸测试性能,因此予以采用。对于相应测试集上lnP的预测,

讨论

与以往专注于AB2合金或吸收等温线的机器学习研究[37,39]相比,本框架通过针对不同体系建立专门模型,将统一的建模流程应用于单平台MPEAs、双平台Mg–Ni–RE合金和循环依赖性V–Ti–Cr合金,涵盖吸收和解吸两种过程。该框架从实验数据中建立影响因素与PCT曲线之间的关系,而无需CALPHAD方法所依赖的热力学数据库

结论

  • •
    开发了一种集成单调性惩罚、等距回归和迁移学习的物理约束机器学习框架,用于预测储氢合金的多样化PCT曲线。单调性惩罚和等距回归提高了预测曲线的物理一致性,而迁移学习支持了在有限数据条件下的解吸预测。
  • •
    为三个代表性合金体系建立了高精度预测模型,包括

CRediT作者贡献声明

Gan Weize: 撰写 – 原稿撰写,可视化,验证,方法论,调查,形式化分析,数据整理。Li Yunfeng: 可视化,数据整理。Hu Ruixuan: 数据整理。Luo Qun: 撰写 – 审稿与编辑。Liu Bin: 撰写 – 审稿与编辑。Yang Shenglan: 撰写 – 审稿与编辑,撰写 – 原稿撰写,指导,资金获取,概念化。Li Qian: 撰写 – 审稿与编辑,指导,项目管理,资金获取。

利益冲突声明

作者声明不存在可能影响本文所报道工作的已知财务利益冲突或个人关系。

致谢

本工作获得中国国家重点研发计划(2023YFB3809103)、中国国家自然科学基金青年基金(52401004)和中国国家自然科学基金(U23A20128)的经费支持。Yang Shenglan感谢中国博士后科学基金会博士后基金计划(GZC20233311)提供的经费支持。作者感谢重庆大学的廖钱峰在实验方面提供的协助,以及来自
Weize Gan 本科毕业于重庆大学。目前为清华大学深圳国际研究生院硕士在读学生。研究兴趣主要聚焦于材料科学领域的人工智能应用,包括AI算法、数据驱动建模和计算预测在加速材料发现、设计和性能优化中的应用。
Weize Gan|Yunfeng Li|Ruixuan Hu|Qun Luo|Bin Liu|Shenglan Yang|Qian Li
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号