项目简介
技术背景：氢作为一种既清洁又丰富的能源媒介，在应对全球能源短缺及气候变化挑战中展现出巨大潜力。与高压气态储氢和低温液态储氢技术相比较，基于储氢材料的固态储氢技术在体积储氢密度和安全性方面展现出显著优势。同时，由于储氢材料独特的温度压力特性，基于金属氢化物的储氢装置相比于传统机械压缩具有供氢纯度高（99.999%）、运行无噪音、无运动件摩擦损耗、维护成本低、安全性高等优势。在众多固态储氢材料中，AB2型钛系合金兼具高吸放氢平台压、快速吸放氢动力学、质量储氢密度高、可逆循环稳定性优异等优势，是实现静态氢压缩的首选材料。
研究范围与方向：以往，储氢材料的设计以及成分与性能优化工作大多依赖于耗时费力的实验试错法。目前，数字技术与机器学习的融合彻底革新了材料设计和复杂机制探究的方法。如何利用高效的机器学习技术来实现液态水温度范围内的AB2型钛系合金的高压缩率将会是课题的研究重点，具体包括数据集与特征值的构建、机器学习模型的训练与优化、高通量成分性能筛选、机理探究等。在此基础上，以10-90摄氏度工况为例，优化的AB2型钛系合金目标氢压缩率（90摄氏度的放氢平台压/10摄氏度的放氢平台压）需达到5以上，且饱和储氢容量需足够高。
实验条件：课题开展无固定场所要求。考虑到数据库的规模，相关机器学习过程开展通过个人笔记本或台式机即可实现。机器学习开展所需的软件包括各种编程语言（如Python、R、MATLAB、Java）、机器学习框架和库（如TensorFlow、Keras、PyTorch、Scikit-learn等）以及其他辅助软件（如Jupyter Notebook、RapidMiner、Google Cloud AutoML等）基本都为开源，学生可根据自己喜好选择。
招募学生要求
考虑到课题的技术性和前沿性，参与项目研究的学生应具备以下知识背景和技术能力：
1. 学生应具备材料科学领域的基础知识，且对氢能方向以及储氢材料感兴趣；
2. 学生应对机器学习和理论计算技术有浓厚的兴趣，愿意投入时间和精力学习并掌握相关技能；
3. 学生应具备强大的自主学习能力，能够独立完成相关文献的查阅和整理，了解国内外在该领域的研究进展和最新成果；
4. 学生应具备敏锐的问题意识和批判性思维能力，能独立思考并提出创新性的解决方案；
5. 学生应具备良好的团队合作精神，能够与指导老师以及团队的其他成员保持良好的沟通和协作。