NIMS 研究團隊開發了一種人工智能技術，能夠加快識別具有所需特性的材料。利用這項技術，該團隊能夠發現不含鉑族元素的高性能水電解電極材料，鉑族元素以前被認為是水電解中不可或缺的物質。這些材料可用于降低大規模生產綠色氫(下一代能源)的成本。

利用水電解槽大規模生產綠色氫氣是實現碳中和的可行手段。目前可用的水電解槽依靠昂貴且稀缺的鉑族元素作為主要電催化劑成分來加速緩慢析氧反應(OER)——一種可以產生氫氣的電解水反應。為了解決這個問題，人們正在研究開發不含鉑族、更便宜的 OER 電催化劑，該催化劑由相對豐富的化學元素組成，適合大規模綠色氫氣生產。然而，從無數可能的組合中確定此類電催化劑的最佳化學成分是非常昂貴、耗時和勞動密集型的。

NIMS 研究團隊最近開發了一種人工智能技術，能夠根據可分析數據集的大小切換預測模型，準確預測具有所需特性的材料成分。利用這種人工智能，該團隊能夠在短短一個月內從約 3,000 種候選材料中識別出新的、有效的 OER 電催化材料。作為參考，對這 3000 份材料進行手工綜合評估估計需要近六年的時間。這些新發現的電催化材料只需使用相對便宜且豐富的金屬元素即可合成：錳(Mn)、鐵(Fe)、鎳(Ni)、鋅(Zn)和銀(Ag)。實驗發現，在一定條件下，這些電催化材料表現出優于釕(Ru)氧化物的電化學性能，而釕氧化物是已知具有最高OER活性的現有電催化材料。在地殼中，銀是新發現的電催化材料中含量最少的元素。然而，它的地殼豐度幾乎是Ru的100倍，這表明這些新的電催化材料可以足夠大量地合成，從而能夠使用水電解槽大規模生產氫氣。

這些結果表明，這種人工智能技術可用于擴展人類智能的極限，并極大地加速對更高性能材料的搜索。該團隊計劃利用該技術加快開發新材料(主要是水電解槽電極材料)，以提高各種有助于碳中和的電化學裝置的效率。

該項目由 Ken Sakaushi(首席研究員)和 Ryo Tamura(團隊負責人)領導的 NIMS 研究團隊進行。這項工作是與 JST-Mirai 計劃任務領域“低碳社會”下的另一個項目“通過自動化實驗與數據科學相結合，高通量搜索海水電解催化劑”(撥款號：JPMJMI21EA)聯合進行的。