有效提升綠氫產能！多倫多大學科學家透過 AI 找到最佳催化劑

當前綠氫（Green Hydrogen）的生產方式需要大量電力，並涉及昂貴的稀有金屬。為了提升生產效率並降低成本，業界莫不積極尋找最佳合金以作為有效的催化劑。傳統上，必須透過勞力密集型試錯法（labor-intensive trial&error）才有可能找到合適的催化劑，但面對數億種潛在的合金組合時，傳統方式一直存在既耗時又低效的問題。

多倫多大學研究團隊在《美國化學學會期刊》（ Journal of the American Chemical Society）上刊登他們成功透過 AI 優化催化劑的開發，以提高綠氫生產效率的研究成果。

綠氫的生產方式是利用可再生電力將水分解為氫和氧的電解過程而產生的，該方式有可能使重工業和長途運輸等在減碳上充滿挑戰的行業領域實現脫碳，因此被視為有望減少碳排放最具潛力的綠色能源之一。

當前綠氫的生產依舊太高，人們希望尋找更高效的催化劑來提升經濟效益，但在數億合金組合中尋找合適催化劑，傳統人力密集型試錯法太過費時、費工。隨著 AI 技術的大行其道，這種吃力不討好的工作正是 AI 技術派上用場的地方。

多倫多大學研究團隊開發了一支 AI 程式，該程式透過虛擬模擬分析了超過 36,000 種金屬氧化物組合，識別出有潛力進行進一步測試的候選催化劑。與傳統方法相比，這種方法顯著加快了搜尋速度。

研究人員使用薩克其萬大學（University of Saskatchewan ）的加拿大同步加速器光源設施（Canadian Light Source，CLS）和阿貢國家實驗室（Argonne National Laboratory）的美國大型同步加速器先進光子源（Advanced Photon Source），對AI推薦的合金進行了性能評估。結果顯示，一種由釕、鉻和鈦組成的特定合金在穩定性和效率方面表現出比基準金屬高 20 倍的優勢。

儘管如此，該程式仍需要進一步測試，來確保該合金在現實環境中的效果。不論如何，AI 程式的成功標誌著催化劑開發的重要里程碑，不僅如此，AI 預計將在電解槽優化、可行性研究、可再生電力生成、預測性維護及供應鏈管理等各個面發揮日益重要作用，在在突顯出 AI 在革新永續能源解決方案中的潛力。