清华大学利用可解释机器学习，优化光阳极催化剂，助力光解水制氢
水的太阳能光电化学 (PEC) 分解是将太阳能高效转换为氢能的方法，是一种很有前景的可再生能源生产方式。然而，受电极性质及电极缺陷的影响，PEC 反应的效率较低，需要合适的助催化剂辅助。而电解池、光电极和助催化剂组成的 PEC 系统非常复杂，参数繁多，系统优化成本很高。为此，清华大学的朱宏伟课题组利用机器学习，对 BiVO4 光阳极系统进行了优化。机器学习可以基于以往的实验数据，找出光阳极、助催化剂和电解池之间的关系。同时，可解释的机器学习能够识别出对反应性能最重要的参数，为系统优化提供指导。 作者...【查看原文】
