近日，我院新能源222本科生赵士浩同学在水合物法固态储氢领域取得重要研究进展。利用机器学习方法成功解决了氢气水合物生成的长周期问题，实现了氢气水合物生成的精确预测，揭示了氢气水合物生成内在机制，构建了“生成预测-实验设计-机制阐释”一体化研究框架，为氢气水合物生成强化策略的开发提供了理论指导。该研究成果以“ML-guided prediction of hydrogen hydrate formation:Guiding experiment design and mechanistic insight”为题发表于国际能源、化工高水平期刊ChemicalEngineeringJournal (SCI一区，影响因子：13.2)，论文链接：https://doi.org/10.1016/j.cej.2025.167230。
图1.氢气水合物“生成预测-实验设计-机制阐释”框架
水合物被视为新型储氢材料，基于水合物的固态储氢技术将成为打开氢经济成功之门的关键钥匙，弥补氢气生产与应用之间的鸿沟。虽然该技术可实现温和条件下的突破性储氢，但高昂的实验成本阻碍了对氢气水合物生成机制的理解和强化策略的开发。精确预测氢气水合物的生成虽至关重要，却受限于氢气水合物生成固有的强烈随机性。该研究采用数据驱动的机器学习方法进行了氢气水合物生成预测，并利用训练好的模型，实现了氢气水合物生成实验设计，进而揭示了氢气水合物生成内在机制。结果表明，XGBoost算法在氢气水合物整个生成周期中具有卓越的预测精度，六组验证实验证实了其出色的泛化能力，预测的最终储氢量平均相对误差仅为5.0%。基于XGBoost指导的设计实验，建立了水合效率相图，刻画了水合物稳定/非稳定区域，进而提出了氢气水合物生成对传质模式(气-液与气-固)的依赖关系：气-液传质是强化氢气水合物生长的最有效模式，而传质模式从气-液向气-固的转变会显著恶化水合效率。
图2.预测结果与实验结果对比
新能源222班赵士浩为论文第一作者，能源动力23级研究生张鹏为论文第二作者，张国栋副教授和王飞教授为论文共同通讯作者，威廉希尔足球官网为唯一单位。本研究得到了山东省优秀青年基金、山东省青年泰山等项目的资助。
作者简介：
赵士浩：新能源222本科生，主要研究方向为机器学习与优化算法；
张鹏：能源动力23级研究生，主要研究方向为水合物法固态储氢技术。
张国栋：副教授，新能源222班主任，主要研究方向为吸附-水合天然气储存、CO2捕集与利用、温和储氢技术等；
王飞：教授，水合物低碳能源研究团队负责人，主要研究方向为基于水合物的固体天然气技术（天然气调峰、储运、气体分离等）。
