洁净煤技术

作者：韩祎, 董龙雷

关键词：光催化制氢,机器学习,数据集,描述符,材料性能优化,高通量试验平台,反应机理探究

太阳能光催化制氢作为能源清洁转换利用领域中的关键技术，有望实现太阳能高效利用和低成本绿色制氢，受到广泛关注。目前，基于传统经验试错的研究方法尽管使光催化制氢效率得到一定的提升，但是一直无法突破光催化制氢产业化的效率瓶颈，严重限制其未来规模化应用。机器学习通过构建数据驱动的智能分析范式，正推动光催化制氢领域从传统经验试错向精准预测的研究模式转型，有望助力实现光催化制氢领域的突破。基于此，系统综述了机器学习在光催化制氢中的应用与研究进展。首先，阐释了机器学习技术框架的核心要素，重点解析了光催化数据集的构建策略与特征工程优化路径（涵盖物理化学描述符筛选、高维特征降维、知识嵌入方法等）。其次，聚焦机器学习在光催化领域的应用：在材料性能优化方面，系统总结了机器学习在能带结构精准调控、载流子迁移效率提升及界面异质结智能设计等关键环节的突破性进展；在试验工艺创新层面，重点探讨了基于机器学习的动态参数优化算法、智能高通量试验平台及具备实时反馈功能的自适应模型构建。最后，提出机器学习在该领域的未来发展应着力构建数据–机理双驱动的新型研究范式，开发具有物理约束的可解释模型，以及构建跨尺度动态仿真系统，最终为光催化制氢技术研发提供从微观机理到宏观工艺的全链条智能优化。

来源：2025年第12期

《洁净煤技术》期刊编辑部

查看洁净煤技术杂志2025年第12期