目前,开发用于清洁能源的新材料,伴随大量的测试数据,需要更先进的数字化工具进行数据管理和分析。而当前的工具无法满足需求,必须通过应用反馈回路、机器学习或两者的结合来完成大量数据的处理。
加速材料开发的紧迫
为了实现到 2030 年减少 55% 温室气体净排放并在 2050 年实现气候中和的目标[1],氢能将在未来几十年在欧洲发挥重要作用。特别是,电解水将成为生产绿色氢气的关键技术。尽管这种方法具有潜力,但由于成本高昂,尚未得到广泛采用。氢气生产和利用所涉及的过程依赖于昂贵的贵金属催化剂。因此,可持续材料开发的创新对于可持续发展至关重要。
为何要花 15 年的时间才能将新材料推向市场?
图 1 传统材料开发时间表
开发新材料的方法需要加速,才能更具可持续性。否则,合成和测试新材料将消耗大量资源(即人力和机械)和时间。这种反复试验的过程需要数百或数千次迭代才能确定最佳催化剂。这导致从最初发现到大规模生产的时间长达 15 年[2]。鉴于应对气候变化的迫切需要,这种漫长的开发时间是无法忍受的。因此,重新设计开发新材料的每个步骤以缩短从实验室到工厂应用的周期至关重要。
高通量实验的演变格局
图 2 高吞吐量的演变:从手动到自动化[2]
作为加速材料开发的第一步,科学家们正在采用替代技术来发现新材料,例如高通量实验 (HTE)。该方法中通过计算模型建立材料梯度库,然后进行合成,最后进行测试,不断迭代。此时,HTE 的价值在于与机器学习(ML)算法相结合,以便同时执行大量实验以获得最佳材料,并通过增强自动化程度以获得最高的可重复性。因此,HTE 超越了传统方法,显著提高了速度和效率,以最低的成本和资源获得生成全面的数据集。
基于机器学习(ML)的算法与 HTE 的结合已成为加速化学材料开发的有力工具。HTE 已用于快速生成高质量数据集,以经济高效的方式为 ML 算法提供数据,并快速找到合适的初始反应点,以便使用 ML 方法进一步优化它们。
与依赖并行化的传统方法不同,这些系统利用人工智能引导的决策来优化实验的选择。这一转变旨在通过优先考虑最有前景的实验来加速结果的获取效率,从而使自驱动实验室 (SDL) 能够更有效地探索未知的领域,从而更有效地发现材料。
VSParticle 合作推进 HTE
今年早些时候,VSParticle 与加州理工学院(Caltech)合作开展了一个项目,展示了支持 HTE 发展的有希望的成果。研究结果表明,现有的高通量电化学筛选技术可成功应用于快速探索纳米颗粒阵列。这一验证标志着通过自动化 VSP-P1 纳米打印机控制合成参数和优化各种应用的纳米颗粒成分的能力向前迈出了重要一步。
使用 VSParticle 纳米技术,将不同成分的 Pt-Ni 纳米多孔薄膜沉积在氧化铟锡(ITO)涂层玻璃板上,展示了对元素成分和图案、负载和纳米结构的独立控制。传统的制备方案通常为喷墨打印,但该方法很容易因为墨水不合格以及液体张力的问题导致制备的图案化材料一致性较差(如下图)。
加州理工学院对这些 VSP 的 Pt-Ni 样品阵列进行了高通量筛选,以检测氧还原反应(ORR)活性,与使用其他传统方法合成的传统组合库相比,其性能更优越,而传统方法的合成方案更长、更繁琐。由于 50:50 的 Pt:Ni 具有与纯 Pt 相似的活性,因此证明了概念验证活性可以降低燃料电池和电解器中的贵金属负载量。同时,由于 VSP 纳米打印的膜材料结构具有高比表面积,ORR 的低起始电位(1 V vs. RHE)显示了更好的动力学性能。为了确保结果的可重复性,研究小组还通过测试每种成分的重复性来进行验证。
图 4 气溶胶沉积一致性更强,组分可调控的催化剂
这些结果进一步说明 VSParticle 纳米打印技术是一种合适的高通量筛选技术,可加速材料开发过程的每一步,从基础发现到高通量筛选,再到大规模生产。这种合成-沉积-测试周期的加速可在一天内制备并研究数千种催化剂。
随着铂(Pt)负载量的增加,阴极电流密度(cathodic current densities)呈现出增加的趋势. 这表明铂的含量对电催化剂的性能有显著影响,铂含量越高,其电化学活性越好。
图 6 不同铂(Pt)和镍(Ni)负载量对氧还原反应(ORR)影响
“幻灭的低谷”和人工智能的作用
自驱动实验室在最初的火热浪潮之后,却遭遇了“幻灭低谷”。其中一个原因是潜在实验的数量太多。例如,解决涉及三元素系统的材料问题理论上可能需要数十亿次实验。即使将单位吞吐量增加一千倍,研究周期仍将持续数年。为了克服这些挑战,整合人工智能 (AI) 来指导我们的实验设计至关重要。
2024 年诺贝尔化学奖公布,再次花落人工智能领域。人工智能在生命科学领域应用广泛,科学家们都在积极拥抱先进的人工智能技术来开展前沿研究。人工智能需要帮助研究人员驾驭巨量的实验需求,通过做出明智的决定,决定下一步要进行哪些实验,以获得最有效的工艺路线。
HTE 的未来
HTE 已经取得了长足的进步,从手动流程到自动化,再到现在的人工智能 AI 引导系统。虽然仍然存在挑战,特别是在模仿人类直觉进行实验方向判定方面,但未来仍有巨大的发展潜力。通过继续整合人工智能和自动化,并促进强有力的合作,我们可以开拓材料发现的新领域并加速科学进步。
VSParticle 线上研讨会
请继续关注我们的下一篇博客,我们将在其中讨论自驱动实验室 (SDL) 的意义以及全球相关研究者推动其发展的突破性举措。
了解更多 VSParticle 产品详情与应用案例,咨询热线:400 857 8882
往期推荐
如果您想要了解更多产品信息,请填写以下信息下载产品手册, 我们收到您的信息后将第一时间回复您。