2025年5月12日，天津大学和西南交通大学的钻研团队在国际能源资料领域顶级期刊《Advanced Energy Materials》（影响因子24.4）颁发了题为《Artificial Intelligence-Assisted Ultrafast High-Throughput Screening of High-Entropy Hydrogen Evolution Reaction Catalysts》的钻研论文。该钻研提出了一种融合大说话模型（LLM）与遗传算法（GA）的人为智能驱动的高通量筛选框架，结合高温热冲击（HTS）技术，实现高效HEA催化剂的设计与合成，显著提高了催化剂筛选效能。
这项工作为催化剂开发方式提供了一种范式转变战术，将推算智能与自主尝试相结合，大幅缩短了研发周期，也为可持续能源利用中多组分催化剂的合理设计启发了高效蹊径。
论文解读
PAPER INTERPRETATION
提要高熵合金（HEA）催化剂的开发受到其复杂组分设计所固有的“组合爆炸”挑战的故障。本钻研提出了一种人为智能辅助的高通量框架，该框架结合了大型说话模型（LLMs）进行文件挖掘和遗传算法（GAs）进行迭代优化，以克服这一挑战。在此，LLMs分析了14,242篇出版物，鉴别出10种关键的析氢反映（HER）活性元素（FeCoNiPt等），将候选池缩幼至126种基于Pt的高熵合金组合。通过使用超快高温热冲击技术进行超快高通量资料合成和筛选，GA驱动的尝试优化了这一子集，仅需4次迭代（24个样本）即可实现收敛，与传统GA步骤相比，效能提高了60%。的IrCuNiPdPt/C催化剂在10 mA cm?²和100 mA cm?²电流密度下展示出创纪录的低析氢过电位，别离为25.5 mV和119 mV，别离优于贸易Pt/C催化剂49%和18%，并展示出300幼时的不变性且衰减可忽略不计。这项工作成立了一种范式转变战术，将推算智能与自主尝试相结合，将发现功夫从数千年缩短至数幼时，为可持续能源利用中多组分催化剂的合理设计提供了可能。02
主题重点●高效催化剂筛选框架的构建。本钻研通过整合大型说话模型（LLMs）与遗传算法（GA），构建了高熵合金（HEA）催化剂的高效筛选框架。传统暴力搜索法（BF）需从90种金属元素中筛选五元组合，候选池达4395万种，以逐日10个样本的快率需耗时约1.2万年。而LLMs通过文件挖掘将候选元素压缩至10种（FeCoNiPt等），结合铂基设计天生126种候选组合；GA通过四轮迭代（24个样本）急剧锁定组分，结合超快高温热冲击（HTS）技术（15分钟/样本），整体筛选周期缩短至6幼时。这一战术通过智能数据降维与尝试自动化，解决了HEA设计中的“组合爆炸”难题，为多组分催化剂的理性设计提供了新范式。
●文件驱动的元素筛选与模型优化；贚LMs的文件分析框架蕴含文件筛选知识库构建模型微调与利用四个阶段。通过Web of Science数据库检索7.9万篇文件，经出版年份（2000-2024）引用率（>10次/年）及LLMs二次筛选，最终获得1225篇HEA有关钻研。统计发现，非贵金属中FeCoNi呈显斓率最高，而贵金属中Pt占比显著；诖，钻研选择Pt为基底，结合高频元素构建候选库。通过InternLM 2.5模型与低秩自适应（LoRA）微调，模型可智能推荐HER活性元素及尝试战术，实现从海量文件到尝试设计的关环优化。
●超快合成技术对资料结构的调控。选取HTS技术在300 ms内以2000 K/s的升温快率实现先驱体急剧合金化，并通过均匀冷却（600K/s）抑造颗粒粗化。透射电镜（TEM）显示，HTS合成的PtNiIrPdCu/C颗粒尺寸均一（≈5nm），元素散布高度均匀；而传统管式炉（TF）合成样品因奥斯特瓦尔德熟化导致严沉团圆。XRD图谱未检测到元素偏析相，批注超快动力学抑造了相分离，形成单一固溶体结构。这种结构均一性为多元素协同效应奠定了基础，显著提升了催化活性。
●遗传算法疏导的组分优化；贕A的迭代优化流程从126种候选组合中筛选出催化剂。初始六组随机组合的过电位散布宽泛（20-160 mV），热图分析进一步揭示元素组合对活性的显著影响。通过四轮迭代，保留高活性元素并代替低效组分，最终获得IrCuNiPdPt/C催化剂，其过电位（25.5 mV 10 mA/cm²）较初始组合降低80%。20次独立优化试验验证了步骤的鲁棒性，尝试迭代次数削减60%，且了局高度一致。
●催化剂结构-机能关联与机理分析。XRD与高分辨TEM（HRTEM）显示，IrCuNiPdPt/C的（111）晶面间距（0.21 nm）较纯Pt（0.226nm）收缩7.1%，归因于IrNi等幼原子半径元素引起的晶格压缩应变。几何相位分析（GPA）证实颗粒内部存在非均耘爪变，这种应变通过调整Pt的d带中心（XPS显示Pt0结合能负移），减弱氢中央体（H*）吸附能（ΔGH*），从而加快Volmer与Heyrovsky步骤。HAADF-STEM与EDS图谱（图5d）证明PtIrNiPdCu元素均匀散布，ICP-MS与XPS进一步验证了组分不变性。此表，催化剂的双电层电容（Cdl=36.2 mF/cm²）为商用Pt/C的7.5倍，批注其高活性比表表积；300幼时不变性测试中过电位衰减可忽略，ICP-MS显示Ni溶出量极低（<7μg/L），证实资料在酸性环境中的耐久性。03
总结瞻望该钻研通过LLM疏导的知识挖掘与GA驱动的尝试优化，构建了“推算智能-自主尝试”关环框架，解决了HEA催化剂设计的维度苦难问题。LLM从海量文件中提炼关键元素，大幅缩幼搜索空间；GA迭代优化结合HTS高通量合成，将研发效能提升至传统步骤的40%。所得催化剂机能创纪录，验证了多元素协同效应与结构均一性的沉要性。这一战术不仅为高效催化剂设计提供了新范式，更将资料发现周期从“千年”缩短至“幼时”，为可持续能源资料开发启发了高效蹊径。将来，该框架可扩大至其他多组分职能资料系统，加快清洁能源技术转化。
尊龙凯时人生就是搏助力催化剂高效筛选
高熵合金（HEA）催化剂因其复杂的组分设计面对“组合爆炸”的挑战，极大地故障了其发展过程。析氢反映（HER）作为水电解造氢技术的关键环节，其催化效能直接关系到氢能源产业的可持续发展，还对多个产业产生深远影响。因而，开发高效不变的新型HER催化剂拥有沉要意思。
析氢反映（HER）是指在电化学前提下，水分子在电极表表被还原为氢气的过程，其在氢燃料电池电解水造氢工业造氢环境建复新兴储能等领域都拥有沉要利用。
只管HER拥有宽泛的利用远景，但其在现实利用中仍面对诸多挑战，如催化剂成本高昂反映效能有待提升以及催化剂不变性需进一步加强等。因而，高效的催化剂筛选与评估工具显得至关沉要。
尊龙凯时人生就是搏公司凭借其在流动化学及微反映技术领域的深厚堆集，萦绕催化剂钻研领域，结合自动化及AI技术，打造了贯通液固配液平台催化剂造备自动过滤自动干燥自动造粒筛分焙烧自动装填催化剂自动评价自动检测及数据网络与反馈等环节的全流程解决规划，为催化剂的筛选与优化提供*的技术支持。
参考资料1西南交大化学学院《AI赋能催化剂闪电发现：天津大学与西南交通大学团队钻研成就在国际能源资料领域顶级期刊刊发》2Ziqi Fu,Pengfei Huang,Xiaoyang Wang,Wei-Di Liu,Lingchang Kong,Kang Chen,Jinyang Li,Yanan Chen.(2025).Artificial Intelligence-Assisted Ultrafast High-Throughput Screening of High-Entropy Hydrogen Evolution Reaction Catalysts.Advanced Energy Materials;DOI:10.1002/aenm.202500744
