基于贝叶斯机器学习的人工智能引导设计有序气体扩散层实现高性能燃料电池

为解决质子交换膜燃料电池(PEMFC)中气体扩散层(GDL)设计依赖试错法、水管理效率低的问题，Sun等研究人员通过贝叶斯机器学习(BO)结合多尺度建模，开发出具有高度取向纤维结构的优化GDL。该研究实现了2.17 W cm-2的功率密度和~7200 mA cm-2的极限电流密度(LCD)，性能远超商用GDL(1.33 W cm-2和~2700 mA cm-2)，为燃料电池性能突破提供了新思路。

　　

在全球碳中和目标的推动下，氢能作为清洁能源载体备受关注。质子交换膜燃料电池(PEMFC)因其高能量密度和快速加注优势，被视为重型车辆和分布式能源系统的理想选择。然而，要实现大规模商业化应用，PEMFC仍面临两大挑战：成本过高和性能不足。美国能源部设定的2030年目标要求将燃料电池系统成本降至60美元/千瓦，同时日本新能源产业技术综合开发机构(NEDO)提出了2.5 W cm^-2的功率密度目标。虽然近年来催化剂和膜电极组件(MEA)设计的进步显著降低了活化损耗，但高电流密度下的"水淹"问题仍是制约性能提升的主要瓶颈。

香港科技大学的研究团队通过人工智能引导的设计策略，开创性地解决了这一难题。研究人员发现，传统碳纸基GDL的随机连接纤维会导致水传输路径曲折，特别是在流道肋条下方区域容易积水，严重阻碍氧气传输。为解决这一问题，研究团队开发了一个闭环工作流程，将贝叶斯机器学习与多尺度建模相结合，成功设计出具有最优结构的GDL。

该研究采用了三项关键技术方法：首先通过人工神经网络(ANN)加速重建GDL的各向异性传输特性计算；其次将孔隙网络建模与电池尺度模拟相结合的三维两相多物理场模型；最后采用受控电纺丝技术精确制备具有特定取向和直径的纤维结构GDL。这些方法的创新组合使研究人员能够在仅40步优化中就确定了最佳GDL结构。

在"贝叶斯优化预测的最佳GDL结构"部分，研究显示最优多孔GDL结构由高度取向的中等直径纤维组成。通过孔隙网络建模计算各向异性传输特性，包括渗透率、曲折度和扩散率，ANN模型实现了0.98的决定系数(R²)。贝叶斯优化算法将LCD作为关键描述符，在孔隙率0.7-0.9、纤维半径3-6μm、纤维取向接近0°的参数空间内找到了最优解。

"有序GDL的合成与表征"部分详细介绍了采用控制电纺技术制备的GDL。通过调节前驱体溶液浓度(11-15 wt% PAN)和电纺条件，成功获得了纤维直径3-10μm的可控结构。疏水处理后接触角显著提高，拉曼光谱显示虽然自制电极的石墨化程度略低于商用GDL，但完全满足使用要求。CT三维重建显示有序GDL(aGDL)具有良好排列的纤维和相互连通的孔隙，与商用GDL(cGDL)的随机孔隙形成鲜明对比。

"GDL结构正交实验优化"部分系统考察了不同参数对性能的影响。结果表明：直径较大的纤维(10μm)具有更好的水排出能力；添加微孔层(MPL)可降低接触电阻但增加传质阻力；将取向纤维垂直流道方向排列能显著改善性能；随机排列的纤维(rGDL)由于孔径减小导致排水能力下降。最优的aGDL_d3在标准测试条件下实现了7200 mA cm^-2的LCD，是商用GDL的2.7倍。

"aGDL与cGDL性能比较"部分展示了突破性的实验结果。在150 kPa背压、80°C、100%相对湿度的标准测试条件下，aGDL实现了2.17 W cm^-2的峰值功率密度，比cGDL(1.33 W cm^-2)提高了63%。更令人印象深刻的是，即使在严苛条件下(40°C、120%RH、1/1化学计量比)，aGDL仍能保持良好性能，而cGDL则出现严重水淹。长期稳定性测试显示，aGDL能在0.4V电压下稳定运行10小时以上，电流密度保持在5000 mA cm^-2，远优于cGDL的波动表现(2000-3000 mA cm^-2)。

"水/气传输分析"部分通过电化学阻抗谱(EIS)和氧传输阻力(OTR)测量揭示了性能提升的机理。在aGDL中，OTR随压力呈线性增加，表明其对水淹不敏感；而cGDL在高氧分压(8-12%)和高背压条件下OTR急剧上升，证实存在严重水淹。孔隙尺度模拟显示aGDL在平面内和贯穿平面方向都具有更低的水饱和度分布，电池尺度模拟进一步证实aGDL能有效减少肋条下方区域的水积累，保持较高的氧气压力。

这项发表在《Nature Communications》的研究具有多重重要意义：首先，提出的AI引导设计策略实现了GDL结构的快速优化，将传统试错法需要数月甚至数年的工作缩短到40步迭代；其次，开发的受控电纺技术为制备具有精确结构的GDL提供了新方法；最重要的是，获得的性能指标(2.17 W cm^-2)已经接近NEDO设定的2030年目标(2.5 W cm^-2)，为PEMFC的商业化应用扫清了一个重要障碍。该工作流程还可推广应用于其他复杂多孔材料的设计，在能源存储、催化、生物医学等领域具有广阔的应用前景。