近日，我院青年教师周盼盼以第一作者身份在材料领域顶级期刊《Advanced Materials》上发表了题为“Machine Learning in Solid-State Hydrogen Storage Materials: Challenges and Perspectives”的综述长文（非邀稿），河海大学为第一单位，浙江大学陈立新教授和肖学章教授为论文的共同通讯作者。（https://doi.org/10.1002/adma.202413430）

氢作为一种既清洁又丰富的能源媒介，在应对全球能源短缺及气候变化挑战中展现出巨大潜力。与高压气态储氢和低温液态储氢技术相比较，基于储氢材料的固态储氢技术在体积储氢密度和安全性方面展现出显著优势。以往，储氢材料的设计以及成分与性能优化工作大多依赖于耗时费力的实验试错法。目前，数字技术与机器学习的融合彻底革新了材料设计和复杂机制探究的方法，但有关机器学习在储氢材料研究中的前沿探索、应用案例及发展前瞻的系统论述较为缺乏，这一现状制约了高性能新型储氢材料的定制化研发进程。

本综述全面梳理了机器学习在提升储氢材料吸放氢特性方面的最新进展。本文首先概述了适用于储氢材料机器学习研究的数据集、特征描述符以及主流的机器学习模型。随后，通过钛基、稀土基、钒钛基固溶体、镁基及配位型储氢材料等具体案例详尽展示了机器学习在构效关系挖掘及面向特定应用场景需求定制化设计方面的强大能力，其中一项具有代表性的研究成果是通过高通量成分性能扫描，为燃料电池常温常压供氢系统定制出的单相钛基储氢材料，它具有卓越的成本效益和综合性能。最后，深入剖析了机器学习在储氢材料研究领域所面临的几大关键挑战，诸如数据质量参差不齐、可用性受限、模型可解释性与精度之间的权衡难题等，并针对这些挑战，分析提出了潜在的改善策略及未来研究可行途径。本研究工作对于加速机器学习技术在固态储氢材料研究领域的融合应用，具有重要的导向价值和实际意义。

图1 机器学习在固态储氢材料中的应用

学院坚持“入主流、强特色”的学科建设方针，在强化涉水关键材料特色优势的基础上，结合服务区域产业创新发展需要，培育建设包括储氢材料与技术、储能电池材料等在内的新能源材料学科方向，加快相关人才的引进和培育，促进学科高质量发展，为区域产业创新中心建设持续提供新动能。

周盼盼博士，2024年6月加入河海大学材料科学与工程学院微纳米结构材料研究团队。周盼盼一直致力于高性能储制氢技术的研究，主要研究方向有：（1）高性能中高熵固态储氢材料的高通量定制；（2）固态储氢材料多途径抗毒化协同改性策略的探究；（3）中高熵纳米催化剂的常温快速制备及其应用。迄今为止，以第一作者（含共同一作）在Adv. Mater.、Energy Storage Mater.、Adv. Sci.、Chem. Eng. J.、J. Mater. Chem. A、Rare Metals等期刊发表SCI论文15篇，授权国家专利6项。担任多个国际知名期刊如Chem. Eng. J.、J. Energy Storage、Energy Convers. Manag.等审稿人，并多次受邀在储能材料相关会议作大会邀请报告。