近日，中国工程院院士、四川大学教授、深圳大学特聘教授谢和平团队在《Nature Energy》发表了题为《A combined ionic Lewis acid descriptor and machine-learning approach to prediction of efficient oxygen reduction electrodes for ceramic fuel cells》的研究成果，该研究将机器学习、理论计算与固体氧化物燃料电池阴极材料设计相结合，开发了一个经过实验验证的阴极材料机器学习筛选技术，实现了快速、有效地从庞大的钙钛矿组分中筛选出高活性阴极材料，为团队正在攻关的“近零碳排放直接煤燃料电池发电技术”提供了理论依据与技术支持，助力实现煤炭的清洁高效利用。
根据深圳大学官网信息编辑