能源材料替代与转型中的机器学习方法

作     者：傅思维 刘宽 林琮盛 林晓风 王笑楠 

作者机构：清华大学化学工程系 清华大学航天航空学院 

出 版 物：《化工进展》 (Chemical Industry and Engineering Progress)

年 卷 期：2025年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：清华大学自主科研计划(20247020006) 

主　　题：计算化学 可再生能源 人工智能 能源材料 机器学习 

摘      要：能源材料低碳替代与绿色转型是实现碳达峰、碳中和的重要途径。传统基于实验的能源材料开发流程具有高可靠性和可直观评估等优点，但存在时间和资源成本高、探索范围有限、依赖知识和经验等问题。本文介绍了能源材料替代与转型中的机器学习方法，回顾了机器学习技术在能源材料研发中的已有应用和可用在能源材料开发中的机器学习算法，分析了机器学习方法在能源材料开发和替代方面的原理、应用、优势与挑战。根据对机器学习方法在能源材料替代与转型中的应用优势和局限性的系统综述和分析，本文从数据、模型及应用等方面提出了构建高质量数据集、开发高适配性机器学习算法及拓展高效能源技术和系统的思考与展望。分析表明，机器学习方法在模型适配程度、应用广泛程度等方面都有十分广阔的提升空间，在能源材料替代与转型领域应用机器学习方法具有显著价值和广阔前景。