想象一下，你正在尝试烘焙完美的蛋糕，但你不是在混合面粉和糖，而是在混合水泥和特殊盐类，以创造一种能在夏季“吸收”热量并在冬季“释放”热量的材料。这被称为季节性热化学储能。它就像一种热电池，可以利用 7 月晴朗天气收集的热量，让整个冬天都保持房屋温暖。
问题在于？混合这些成分的方法有成千上万种。你有不同类型的盐、不同量的水、不同量的水泥以及不同的添加剂。试图通过猜测和检查（即传统的“试错法”）来找到完美的配方，将耗费数年光阴并耗资巨大。
本文描述了一种更聪明的方法，利用一种称为**贝叶斯优化（BO）**的“数字厨师”来寻找最佳配方。
数字厨师（贝叶斯优化）
将 BO 系统想象为一个超级聪明、不知疲倦且热爱学习的助手。
- 猜测游戏：助手不会测试每一种可能的组合（那就像尝遍世界上每一块蛋糕），而是先挑选几种有希望的配方进行测试。
- 品尝测试：团队实际混合这些小批量的水泥 - 盐浆，进行“烘焙”，并测试它们能储存多少热量。
- 学习循环：助手查看结果。“哦，盐太多导致蛋糕变得稀烂（融化了）。水太少让它变得易碎。但这种特定的氯化钙和水泥混合效果非常好！”
- 下一步行动：基于所学，助手立即建议测试下一个最佳的一组成分。它在猜测优胜者方面变得越来越擅长，完全跳过糟糕的配方。
两个目标：性能 vs. 价格
团队有两个相互竞争的目标，就像试图购买一辆既最快又最便宜的汽车。
- 目标 1：最大能量（最快的车）：材料每千克能储存多少热量？
- 目标 2：最低成本（最便宜的车）：每单位储存能量的材料制造成本是多少？
通常，性能最好的储能材料非常昂贵，而便宜的材料储存的热量很少。团队希望找到“金发姑娘”区域——即两者之间的最佳平衡点。
发现：新成分
研究人员测试了各种各样的盐。虽然他们已知晓其中一些（如硫酸镁），但他们利用“数字厨师”探索了以前从未在水泥中尝试过的成分：氯化锂 (LiCl)、氯化钙 (CaCl2) 和 硝酸锌 (Zn(NO3)2)。
以下是他们的发现：
- 动力之王 (LiCl)：氯化锂混合物是群体中的“法拉利”。它储存了巨大的热量（约 458 千焦/千克），将之前的水泥基记录提高了五倍。然而，就像法拉利一样，它的制造成本很高。
- 高性价比之选 (CaCl2 和 Zn(NO3)2)：这些混合物是“可靠的轿车”。它们储存的热量不如锂基混合物多，但制造成本低得多。它们提供了极佳的平衡：以极低的价格提供出色的性能。
结果
通过使用这种智能的、数据驱动的方法，团队不仅找到了一种好配方，而是发现了一整类新材料。
- 他们发现，水泥（你车道上的那种东西）实际上是一种极好的“海绵”，可以容纳这些储热盐，前提是配方正确。
- 他们确定了“帕累托前沿”，这是一种 fancy 的说法，意指他们找到了绝对的权衡最佳点。你无法在不增加成本的情况下获得更多热量，也无法在不减少储热量的情况下获得更便宜的材料。他们找到了那条线上的完美位置。
- 虽然这些新的水泥 - 盐材料在性能上不如由硅胶或膨胀蛭石制成的最昂贵的高科技材料，但它们便宜得多。
结论
本文证明，你不需要靠猜测来获得更好的储能。通过使用智能计算机算法指导实验，团队迅速找到了新型、低成本的储热材料。这就像使用 GPS 在迷宫中寻找最快路线，而不是盲目地撞向每一个死胡同。这些新的水泥 - 盐复合材料可能成为一种实用且经济的方式，用于储存夏季热量以供冬季使用，从而帮助我们更有效地利用可再生能源。
技术摘要：用于季节性热化学储能的水泥 - 盐水合物复合材料的高通量贝叶斯优化
问题陈述
基于盐水合物的热化学储能（TCES）因其高体积能量密度以及能够无限期储存能量且无热损失的能力，为季节性储热提供了一种有前景的解决方案。然而，这些系统的实际部署受到吸附剂材料复杂设计的阻碍。水泥 - 盐复合材料的配方涉及高度非线性的组合设计空间，其性能取决于耦合变量：盐化学性质、盐负载量、粘合剂组成和添加剂含量。传统的试错法或单变量实验策略对于高效探索该空间而言并不切实际，因为全面探索需要在延长的时间内进行数千次合成与表征循环。此外，现有的基于水泥的 TCES 材料往往比能较低，而高性能替代品（例如硅胶或膨胀蛭石基质）通常成本过高。迫切需要数据驱动的策略来加速发现具有成本效益且高性能的水泥 - 盐复合材料。
方法论
作者开发了一种基于贝叶斯优化（BO）的高通量数据驱动实验框架，用于指导水泥 - 盐水合物复合材料的配方设计。该方法论将自适应实验设计与热力学建模相结合：
- 设计空间：优化探索了由以下四个参数定义的四维参数空间：
- 盐类型：分类变量，涵盖 11 种水合盐，包括常见候选盐（如 MgSO₄）和尚未充分研究的盐（LiCl、CaCl₂、Zn(NO₃)₂）。
- 盐浓度：定义为 20°C 下溶解盐与最大溶解度的比值（s/smax）。
- 水灰比（w/c）：范围从 0.70 到 1.50。
- 添加剂 - 水泥比（a/c）：范围从 0.0 到 30.0 g/kg，利用抗沉降添加剂来减轻泌水现象。
- 优化策略：该活动利用了两个并行的 BO 流程，针对相互竞争的目标：最大化比能量（Ed）和最小化比能量成本（一项经济关键绩效指标，KPI）。工作流采用具有高斯过程（GP）代理模型的方法，使用径向基函数（RBF）和 Matérn 核。采集函数（改进概率、期望改进和下置信界）平衡了探索与利用。
- 实验方案：复合材料通过原位方法合成，即将盐溶解在水中并与水泥和添加剂混合。样品经过养护、干燥和造粒。使用动态蒸汽吸附（DVS）分析仪在 20°C 下测量高通量水吸附等温线，该分析仪能够同时处理 20 个样品。
- 热力学建模：实验等温线使用 Dubinin–Astakhov (DA) 方程进行拟合。利用 Polanyi 势能理论，将等温线外推至工作温度（40°C 吸附，90°C 解吸）。比能量（Ed）基于循环吸附量变化（Δxcycle）和等量吸附热（qst）计算得出，后者通过克劳修斯 - 克拉佩龙方程推导。
主要贡献
- 贝叶斯优化在水泥 - 盐 TCES 中的首次应用：本研究代表了贝叶斯优化在水泥 - 盐复合材料多目标 TCES 设计中的首次应用，证明了序贯学习在受约束的多变量材料发现问题中的有效性。
- 化学设计空间的扩展：本研究系统地调查了在水泥基 TCES 系统中仅被边缘化研究或此前未报道的盐类（LiCl、CaCl₂、Zn(NO₃)₂），超越了传统上对 MgSO₄的关注。
- 失效模式的处理：该框架通过惩罚策略成功地将合成失败（例如潮解、无法硬化）纳入优化循环，使代理模型能够学习可行配方的边界。
- 帕累托最优发现：该方法识别出一组非支配解，这些解在高中能量密度和低材料成本之间提供了最佳权衡，揭示了组合空间中的不同高性能区域。
结果
BO 指导的活动成功识别了基于 LiCl、CaCl₂和 Zn(NO₃)₂的帕累托最优配方：
- 性能：表现最佳的配方基于 LiCl（LiCl-S1），其比能量约为 458 kJ kg⁻¹（基于重复测量）。与先前开发的水泥基材料相比，这代表了高达五倍的改进。
- 成本 - 性能权衡：虽然 LiCl-S1 提供了最高的能量密度，但其材料成本较高。相反，基于 CaCl₂和 Zn(NO₃)₂的复合材料（例如 CaCl₂-S2、Zn(NO₃)₂-S1）表现出较低的比能量（150–161 kJ kg⁻¹），但具有显著更有利的经济 KPI（3.2–7.6 USD kWh⁻¹），提供了平衡的成本 - 性能比。
- 与文献比较：优化的水泥基复合材料显示出比最先进的硅胶或膨胀蛭石系统（后者可超过 1000–2000 kJ kg⁻¹）更低的比能量，但由于水泥基质的低成本，它们表现出更优越的经济可行性。
- 可重复性：对帕累托最优样品的复测分析证实了筛选工作流的稳健性，比能量的相对标准偏差（RSD）通常低于 5%。
意义与主张
该论文主张，贝叶斯优化是一种加速 TCES 材料发现的有效策略，特别是在合成约束和多目标权衡至关重要的复杂配方空间中。研究表明，通过 BO 优化的水泥 - 盐复合材料可以实现显著高于以往水泥基迭代的比能量，使其成为成本为主要约束条件的季节性储能应用的理想候选者。
作者谦逊地指出，虽然其材料的比能量仍低于硅胶等高性能多孔基质，但优化的水泥基复合材料（特别是基于 CaCl₂和 Zn(NO₃)₂的复合材料）的成本 - 性能平衡是一个显著优势。这项工作强调，数据驱动的优化可以揭示传统实验设计可能遗漏的有前景的化学体系和配方边界，为开发低成本的季节性热存储解决方案铺平了道路。未来的工作建议侧重于循环稳定性、吸附动力学以及添加剂和基质改性的进一步细化。
每周获取最佳 materials science 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。