PNSMI热点|利用机器学习优化太阳能热化学燃料生产的多孔结构

本文探讨了利用机器学习优化太阳能热化学燃料生产中的多孔结构。研究背景指出，多孔反应物在太阳能热化学中起着关键作用，特别是基于二氧化铈的两步热化学循环因其结构稳定性和高温下的快速动力学而备受关注。文章提出了一种机器学习辅助框架，通过优化三周期最小表面（TPMS）结构，提高反应效率和燃料产量，同时降低温度梯度。研究结果显示，通过优化参数c和ω，获得了显著的性能提升，相对效率和燃料产量分别达到1.58和7.94。此外，该框架适用于不同的多孔结构和操作条件，为太阳能热化学应用提供了通用工具。