NIMS 研究团队开发了一种人工智能技术，能够加快识别具有所需特性的材料。利用这项技术，该团队能够发现不含铂族元素的高性能水电解电极材料，铂族元素以前被认为是水电解中不可或缺的物质。这些材料可用于降低大规模生产绿色氢(下一代能源)的成本。该研究发表在ACS Central Science上。

使用水电解槽大规模生产绿色氢是实现碳中和的可行手段。目前可用的水电解槽依靠昂贵且稀缺的铂族元素作为主要电催化剂成分来加速缓慢析氧反应(OER)——一种可以产生氢气的电解水反应。

为了解决这个问题，人们正在研究开发不含铂族、更便宜的 OER 电催化剂，该催化剂由相对丰富的化学元素组成，适合大规模绿色氢气生产。然而，从无数可能的组合中确定此类电催化剂的最佳化学成分是非常昂贵、耗时和劳动密集型的。

NIMS 研究团队最近开发了一种人工智能技术，能够根据可分析数据集的大小切换预测模型，从而准确预测具有所需特性的材料成分。

利用这种人工智能，该团队能够在短短一个月内从约 3,000 种候选材料中识别出新的、有效的 OER 电催化材料。作为参考，对这 3000 份材料进行手工综合评估估计需要近六年的时间。

这些新发现的电催化材料只需使用相对便宜且丰富的金属元素即可合成：锰(Mn)、铁(Fe)、镍(Ni)、锌(Zn)和银(Ag)。实验发现，在一定条件下，这些电催化材料表现出优于钌(Ru)氧化物的电化学性能，而钌氧化物是已知具有最高OER活性的现有电催化材料。

在地壳中，银是新发现的电催化材料中含量最少的元素。然而，它的地壳丰度几乎是Ru的100倍，这表明这些新的电催化材料可以足够大量地合成，从而能够使用水电解槽大规模生产氢气。

这些结果表明，这种人工智能技术可用于扩展人类智能的极限，并极大地加速对更高性能材料的搜索。该团队计划利用该技术加快开发新材料(主要是水电解槽电极材料)，以提高各种有助于碳中和的电化学装置的效率。

该项目由 Ken Sakaushi(首席研究员)和 Ryo Tamura(团队负责人)领导的 NIMS 研究团队进行。这项工作是与JST-Mirai 计划任务领域“低碳社会”下的另一个名为“通过自动化实验与数据科学相结合高通量搜索海水电解催化剂”的项目联合进行的。