硼氢化钠循环再生工艺的研究进展

硼氢化钠(NaBH_(4))的储氢密度大,在碱液中能实现常压常温储运,是质子交换膜燃料电池(PEMFC)间接供氢和直接硼氢化燃料电池(DBFC)系统的氢源材料,但价格昂贵、产氢成本太高、再生困难等问题制约了其规模化发展。研究学者对硼氢化钠的生产工艺方法进行了很多研究,较早的有工业合成法、直接还原法等。直接还原法将偏硼酸钠、氢化镁、镁等原料在氢气氛或氩气氛下对体系进行加热来获得硼氢化钠,从可实现一步制备、产物产量高的角度来看,该方法确实吸引人,但是它需要高压高温且能耗大,有一定危险性。近年来研究较多的是以高能球磨法为主的机械-化学还原法,将原料放入球磨机中,在不同转速和球磨时间下获得硼氢化钠,优点是工艺简单,仅在常温常压下就可以获得硼氢化钠,并且产量高、成本低,是一种有效的制备方法。此外,工艺简单、条件温和的方法还有利用电化学还原法制备硼氢化钠,选择合适的电极材料、电解液在电解槽中电解还原制得硼氢化钠,但是利用此种方法制得的产物产率太低,并且其反应机理仍存在争议。本文对国内外的硼氢化钠再生工艺进行了综述,从不同的再生工艺——工业合成法、直接还原法、机械-化学还原法和电化学还原法进行了讨论和探究,总结并分析了每种方法的机理、工艺路线及优缺点,并对其更进一步的研究进行了展望。

人工智能在可再生能源材料研发领域的研究进展

近年来煤炭、石油、天然气等传统能源逐渐枯竭,大量化石能源的使用造成环境污染。为了降低二氧化碳的排放量,国家积极推动风、光、水电、氢能等可再生能源的发展,而这些能源技术的推广应用的关键是新材料的研发。目前新材料的研发主要依赖于研究者根据材料结构以及其用于某一特定体系的预期催化活性为目标进行实验优化,导致新材料研发过程缓慢。随着计算材料学的进一步发展,研究人员整合了大量关于材料结构及性能表征的材料数据库,通过比较逐步优化筛选新材料。综述了当前材料开发的设计思路以及合成方法,以人工智能(AI)为着眼点阐述了近年来基于AI方法设计、制备可再生能源材料过程中的模型与算法,并总结了AI用于材料设计方面的研究意义和发展过程,最后对AI方法用以可再生能源材料设计、制备的发展进行了展望,介绍了本课题组提出的材料优化模型,并且列举了该模型成功应用于电解水析氢以及硼氢化钠制氢的材料优化的案例。未来,AI技术在新材料的理论计算、合成设计、性能预测、材料微观结构表征分析等方面具有非常广阔应用前景。

纹样里的风云际会

这是生产进步的年代，这是思想冲撞的年代，这是以人为本的年代，这是天翻地覆的年代……春秋战国，风起云涌。