2025年5月12日，天津大学和西南交通大学的研究团队在国际能源材料领域顶级期刊《Advanced Energy Materials》（影响因子24.4）发表题为“Artificial Intelligence-Assisted Ultrafast High-Throughput Screening of High-Entropy Hydrogen Evolution Reaction Catalysts”（人工智能辅助的超高通量筛选高熵析氢反应催化剂）的研究论文，化学学院副教授李金阳为通讯作者之一。

本研究提出了一种融合大语言模型（LLM）与遗传算法（GA）的人工智能驱动框架，结合高温热冲击（HTS）技术，实现高效HEA催化剂设计与合成。首先，LLM从14,242篇文献中筛选出10个高活性HER元素（如Fe、Co、Ni、Pt等），将候选组合从4395万缩减至126种铂基HEA。随后，遗传算法通过四轮迭代优化（仅24个样本），结合HTS技术（加热速率达2000 K/s）快速合成与筛选，实验周期从传统方法的万年量级压缩至6小时。最优催化剂IrCuNiPdPt/C在10和100 mA cm⁻²电流密度下过电位分别低至25.5 mV和119 mV，较商用Pt/C提升49%和18%，并展现300小时稳定性。结构表征表明，HTS技术成功制备出5 nm均匀纳米颗粒，晶格畸变与电子结构优化显著增强反应动力学。

图文解读：

要点一：高效催化剂筛选框架的构建

本研究通过整合大型语言模型（LLMs）与遗传算法（GA），构建了高熵合金（HEA）催化剂的高效筛选框架（图1）。传统暴力搜索法（BF）需从90种金属元素中筛选五元组合，候选池达4395万种，以每日10个样本的速率需耗时约1.2万年（图1a）。而LLMs通过文献挖掘将候选元素压缩至10种（Fe、Co、Ni、Pt等），结合铂基设计生成126种候选组合（图1b）；GA通过四轮迭代（24个样本）快速锁定最优组分，结合超快高温热冲击（HTS）技术（15分钟/样本），整体筛选周期缩短至6小时。这一策略通过智能数据降维与实验自动化，解决了HEA设计中的“组合爆炸”难题，为多组分催化剂的理性设计提供了新范式。

图1：高熵合金催化剂的筛选与优化流程示意图

要点 二：文献驱动的元素筛选与模型优化

基于LLMs的文献分析框架（图2a）包含文献筛选、知识库构建、模型微调与应用四个阶段。通过Web of Science数据库检索7.9万篇文献，经出版年份（2000-2024）、引用率（>10次/年）及LLMs二次筛选，最终获得1225篇HEA相关研究（图2b）。统计发现，非贵金属中Fe、Co、Ni出现频率最高（图2c），而贵金属中Pt占比显著。基于此，研究选择Pt为基底，结合高频元素构建候选库。通过InternLM 2.5模型与低秩自适应（LoRA）微调，模型可智能推荐HER活性元素及实验策略，实现从海量文献到实验设计的闭环优化。

图2：基于LLM的析氢反应材料研究框架

要点三：超快合成技术对材料结构的调控

采用HTS技术（图3a）在300 ms内以2000 K/s的升温速率实现前驱体快速合金化，并通过均匀冷却（600 K/s）抑制颗粒粗化。透射电镜（TEM）显示，HTS合成的PtNiIrPdCu/C颗粒尺寸均一（≈5 nm），元素分布高度均匀（图3b）；而传统管式炉（TF）合成样品因奥斯特瓦尔德熟化导致严重团聚。XRD图谱（图3c）未检测到元素偏析相，表明超快动力学抑制了相分离，形成单一固溶体结构。这种结构均一性为多元素协同效应奠定了基础，显著提升了催化活性。

图3：基于超快高温热冲击技术的高通量制备与表征

要点四：遗传算法引导的组分优化

基于GA的迭代优化流程（图4c）从126种候选组合中筛选出最优催化剂。初始六组随机组合的过电位分布广泛（20-160 mV）（图4a），热图分析（图4b）进一步揭示元素组合对活性的显著影响。通过四轮迭代（图4d），保留高活性元素并替换低效组分，最终获得IrCuNiPdPt/C催化剂，其过电位（25.5 mV@10 mA/cm²）较初始组合降低80%（图4e）。20次独立优化试验验证了方法的鲁棒性（图4f），实验迭代次数减少60%，且结果高度一致。

图4：遗传算法驱动的高熵催化剂筛选与优化过程

要点 五：催化剂结构-性能关联与机理分析

XRD与高分辨TEM（HRTEM）显示，IrCuNiPdPt/C的（111）晶面间距（0.21 nm）较纯Pt（0.226 nm）收缩7.1%（图5a-c），归因于Ir、Ni等小原子半径元素引起的晶格压缩应变。几何相位分析（GPA）证实颗粒内部存在非均匀应变（图5e），这种应变通过调整Pt的d带中心（XPS显示Pt0结合能负移），削弱氢中间体（H*）吸附能（ΔGH*），从而加速Volmer与Heyrovsky步骤（图5f-g）。HAADF-STEM与EDS图谱（图5d）证明Pt、Ir、Ni、Pd、Cu元素均匀分布，ICP-MS与XPS进一步验证了组分稳定性。此外，催化剂的双电层电容（Cdl=36.2 mF/cm²）为商用Pt/C的7.5倍（图5i），表明其高活性比表面积；300小时稳定性测试中过电位衰减可忽略（图5j），ICP-MS显示Ni溶出量极低（<7 μg/L），证实材料在酸性环境中的耐久性。

图5：PtPdIrNiCu/C催化剂的结构、成分表征及电催化析氢性能

总结展望

该研究通过LLM引导的知识挖掘与GA驱动的实验优化，构建了“计算智能-自主实验”闭环框架，解决了HEA催化剂设计的维度灾难问题。LLM从海量文献中提炼关键元素，大幅缩小搜索空间；GA迭代优化结合HTS高通量合成，将研发效率提升至传统方法的40%。所得催化剂性能创纪录，验证了多元素协同效应与结构均一性的重要性。这一策略不仅为高效催化剂设计提供了新范式，更将材料发现周期从“千年”缩短至“小时”，为可持续能源材料开发开辟了高效路径。未来，该框架可扩展至其他多组分功能材料体系，加速清洁能源技术转化。

研究团队简介

陈亚楠研究员，天津大学博士生导师，清华大学“卓越学者”。主要从事新材料制备及其在新能源领域的应用，研究兴趣包括：高温热冲击技术(HTS)、微纳米材料超快速合成（微纳米制造）、亚稳态材料结构调控及宏量制备、能源存储（锂/钠离子电池）、能源转换（绿氢）、人工智能与交叉科学。2016年，陈亚楠与胡良兵教授首次提出高温热冲击概念，并开创了基于高温热冲击概念的纳米材料超快合成这一新兴研究领域。

以第一/通讯作者在Nature Sustainability、Nature Comm. (2)、JACS (2)、Adv. Mater. (5)、Angew. Chem.、NSR、EES、Materials Today (2)、Nano Letters (4)、ACS Nano (3)、AEM (14)、AFM (3)等顶级期刊发表研究论文100余篇。授权国家发明专利、美国发明专利20项，专利转化400万。主编中文专著《微纳新能源材料超快速制备》、英文专著《High Temperature Shock Technology》、教材《储能原理与技术》。承担国家科技基金***计划、重大研究计划、***联合基金、国家自然科学基金面上项目、中国科协青年人才托举项目、天津市重点项目、产学研项目（容百集团、中船集团、小米集团等）。担任中国科协海智计划特聘专家、中国材料研究学会常务副秘书长、Progress in Natural Science-Materials International常务副主编、Chinese Chemical Letters副主编。中国最大的科研科技传播平台“科研云”发起人。

李金阳副教授，西南交通大学化学学院硕士生导师，四川省特聘专家，四川省纳米协会常务理事，四川省机械工程学会低碳技术与产业发展专委会委员。长期从事催化剂的结构调控与机理研究工作，在多场耦合的催化剂合成与测试及其机理方面开展了系统研究，通过材料基因组学方法发现了一系列具有高活性的电催化剂，建立了适用于调控纳米材料表界面结构与组分的原子级增材与减材制造方法，提出了过渡金属电催化剂异质界面基于应力与氧空位调控的电催化机理。

目前主持国家自然科学基金青年基金项目、四川省重大科技专项子课题、四川省自然科学基金面上项目、四川省科技厅重点研发项目等科研项目。以第一作者和通信作者身份在国际高水平期刊Advanced Materials（两篇封面文章）、Advanced Energy Materials、Advanced Functional Materials（ESI高被引）、Applied Catalysis B: Environmental（ESI高被引、热点文章）等发表高水平学术论文30余篇，并参与发表SCI论文50余篇，论文总被引用2800余次，H因子为28，学术成果被人民网、Science Daily等海内外高影响力媒体先后报道，现担任Nanotechlogy Reviews编委，以及Chinese Chemcial Letters，Materials Report: Energy，Progress in Natural Science: Materials International，四川大学学报（自然科学版），Rare Metals的青年编委。