人工智能在科学研究中的融合创新应用——以双碳目标背景下的二氧化碳电催化还原为例

doi:10.12461/PKU.DXHX202412099

大学化学 >> 2025, Vol. 40 >> Issue (9): 148-155.doi: 10.12461/PKU.DXHX202412099

所属专题： AI赋能化学教育

人工智能在科学研究中的融合创新应用——以双碳目标背景下的二氧化碳电催化还原为例

张浩然, 金亚鑫, 康鹏, 张生

天津大学化工学院, 绿色合成与转化教育部重点实验室, 天津化学化工协同创新中心, 天津 300072

收稿日期:2024-12-20 录用日期:2025-04-15 发布日期:2025-09-16
通讯作者: 张生, 康鹏 E-mail:sheng.zhang@tju.edu.cn;kang.peng@tju.edu.cn
基金资助:
国家重点研发项目(2023YFA1507901)；国家自然科学基金项目(22478289)；国家自然科学基金项目(22078232)

The Convergence and Innovative Application of Artificial Intelligence in Scientific Research: A Case Study of Electrocatalytic Carbon Dioxide Reduction in the Context of the Dual-Carbon Strategy

Haoran Zhang, Yaxin Jin, Peng Kang, Sheng Zhang

Key Laboratory for Green Chemical Technology of Ministry of Education, Collaborative Innovation Centre of Chemical Science and Engineering, School of Chemical Engineering and Technology, Tianjin University, Tianjin 300072, China

Received:2024-12-20 Accepted:2025-04-15 Published:2025-09-16
Contact: Sheng Zhang, Peng Kang E-mail:sheng.zhang@tju.edu.cn;kang.peng@tju.edu.cn

摘要/Abstract

摘要： 在全球人工智能技术飞速发展的大背景下，高校应如何应对时代命题，将传统科学研究与人工智能结合起来，快速拓展工科研究生的视野，激发其创新思维，提高创新产出效率，为国家和社会培育出复合型人才，是目前高校教育所面临的重大挑战。鉴于此，本文以双碳目标背景下的二氧化碳电催化还原为例，阐述科学研究融合人工智能提高科研产出和准确性的重要性，总结了人工智能(AI)计算帮助筛选和预测高性能催化剂，帮助研究者深入理解复杂反应机理，优化电解液和设计实验方案等应用，促进了多学科交叉融合，为高校工科研究生实验入门提供参考。

关键词: 人工智能, 二氧化碳电催化还原, 碳中和, 催化剂筛选, 电解液优化, 反应机理研究, 实验方案设计

Abstract: Against the backdrop of rapid advancements in artificial intelligence (AI) technology worldwide, universities face significant challenges in addressing contemporary issues by integrating traditional scientific research with AI. This integration aims to broaden the perspectives of engineering graduate students, stimulate innovative thinking, enhance the efficiency of innovative outputs, and cultivate versatile talents for national and societal needs. This paper, using electrocatalytic carbon dioxide reduction (CO2RR) within the framework of carbon neutrality as a case study, underscores the importance of merging scientific research with AI to augment research output and accuracy. It highlights how AI computing facilitates the screening and prediction of high-performance catalysts, deepens the understanding of complex reaction mechanisms, optimizes electrolytes, and aids in experimental design. Furthermore, it promotes interdisciplinary collaboration and serves as a reference for engineering graduate students embarking on experimental research in universities.

Key words: Artificial intelligence, Carbon dioxide electrocatalytic reduction, Carbon neutrality, Catalyst screening, Electrolyte optimization, Reaction mechanism research, Experimental plan design

张浩然, 金亚鑫, 康鹏, 张生. 人工智能在科学研究中的融合创新应用——以双碳目标背景下的二氧化碳电催化还原为例[J]. 大学化学, 2025, 40(9): 148-155.

Haoran Zhang, Yaxin Jin, Peng Kang, Sheng Zhang. The Convergence and Innovative Application of Artificial Intelligence in Scientific Research: A Case Study of Electrocatalytic Carbon Dioxide Reduction in the Context of the Dual-Carbon Strategy[J]. University Chemistry, 2025, 40(9): 148-155.

链接本文: https://www.dxhx.pku.edu.cn/CN/10.12461/PKU.DXHX202412099

https://www.dxhx.pku.edu.cn/CN/Y2025/V40/I9/148

参考文献

[1] 董瑞, 刘洁. 电子商务评论, 2024, 13 (4), 6143.
[2] 李平, 尹超. 大学化学, 2024, 39 (10), 402.
[3] Yan, T.; Chen, X.; Lata, K.; Lin, J.; Li, M.; Fan, Q.; Chi, H.; Meyer, J. T.; Zhang, S.; Ma, X. Chem. Rev. 2023, 123(17), 10530.
[4] Zhang, S.; Fan, Q.; Xia, R.; Meyer, J. T. Acc. Chem. Res. 2023, 53(1), 255.
[5] Kuang, S.; Su, Y.; Li, M.; Liu, H.; Chuai, H.; Chen, X.; Hensen, J. M. E.; Meyer, J. T.; Zhang, S.; Ma, X. Proc. Natl. Acad. Sci. USA 2023, 120 (4), e2214175120.
[6] Wang, Z.; Sun, Z.; Yin, H.; Wei, H.; Peng, Z.; Pang, Y. X.; Jia, G.; Zhao, H.; Pang, C. H.; Yin, Z. eScience 2023, 3 (4), 100136.
[7] Mok, H. D.; Li, H.; Zhang, G.; Lee, C.; Jiang, K.; Back, S. Nat. Commun. 2023, 14, 7303.
[8] Wu, Z.; Liu, J.; Mu, B.; Xu, X.; Sheng, W.; Tao, W.; Li, Z. Appl. Surf. Sci. 2024, 648, 159027.
[9] Li, Z.; Wang, S.; Wei, S. C.; Luke, E. A.; Xin, H. L. J. Mater. Chem. A 2017, 5 (46), 24131.
[10] 龚乐乐. 高性能CO₂还原电催化剂的理论设计与催化机制研究[博士学位论文]. 北京: 北京化工大学, 2021.
[11] Peterson, A. A.; Nørskov, J. K. J. Energy Chem. 2012, 3 (2), 251.
[12] Liu, X.; Xiao, J.; Peng, H.; Hong, X.; Chan, K.; Nørskov, J. K. Nat. Commun. 2017, 8 (1), 15438.
[13] Hu, H.; Shan, Y.; Zhao, Q.; Wang, J.; Wu, L.; Liu, W. J. Energy Chem. 2024, 98, 374.
[14] Gao, Y. C.; Yao, N.; Chen, X.; Yu, L.; Zhang, R.; Zhang, Q. J. Am. Chem. Soc. 2023, 145 (43), 23764.
[15] Liu, H.; Liu, J.; Yang, B. Chinese J. Catal. 2022, 43 (11), 2898.
[16] Fan, Q.; Xiao, T.; Liu, H.; Yan, T.; Lin, J.; Kuang, S.; Chi, H.; Meyer, J. T.; Zhang, S.; Ma, X. ACS Cent. Sci. 2024, 10 (12), 2331.
[17] He, Y.; Wang, M.; Ji, H.; Cheng, Q.; Liu, S.; Huan, Y.; Qian, T.; Yan. C. Adv. Funct. Mater. 2024, 35 (3), 2413703.
[18] Lin, J.; Chi, H.; Liu, J.; Fan, Q.; Yan, T.; Kuang, S.; Wang, H.; Li, M.; Yan, Y.; Zhang, T.; et al. AIChE J. 2024, 70 (5), e18382.
[19] Dmitrieva, P. A.; Fomkina, S. A.; Tracey, T. C.; Romanenko, A. E.; Ayati, A.; Krivoshapkina, V. P.; Krivoshapkina F. E. J. Mater. Chem. A 2024, 12 (45), 31074.
[20] Gao, Y.; Yuan, Y.; Huang, S.; Yao, N.; Yu, L.; Chen, Y.; Zhang, Q.; Chen, X. Angew. Chem. Int. Ed. 2024, 64 (4), e202416506.
[21] 朱永明, 胡会利, 于元春, 李旭东, 高鹏. 大学化学, 2024, 39 (8), 44.
[22] 谢鸥, 牛雪梅, 曹自洋, 朱淑梅. 创新教育研究, 2020, 8 (5), 629.
[23] Kuang, S.; Xiao, T.; Chi, H.; Liu, J.; Mu, C.; Liu, H.; Wang, S.; Yu, Y.; Meyer, J. T.; Zhang, S.; et al. Angew. Chem. Int. Ed. 2024, 63 (9), e202316772.

人工智能在科学研究中的融合创新应用——以双碳目标背景下的二氧化碳电催化还原为例

The Convergence and Innovative Application of Artificial Intelligence in Scientific Research: A Case Study of Electrocatalytic Carbon Dioxide Reduction in the Context of the Dual-Carbon Strategy

PDF

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

推荐阅读 0

[1]	陶呈安, 黄坚, 李玉姣. 大学化学实验教学人工智能的应用探讨[J]. 大学化学, 2025, 40(9): 5 -10 .
[2]	秦磊, 郭凯. 生成式人工智能在酸碱中和滴定图像模拟中的应用[J]. 大学化学, 2025, 40(9): 11 -18 .
[3]	马逍, 王俊杰, 陈鑫, 李京城, 赵丽红, 孙雪萍, 程绍娟, 王芳. 人工智能驱动的化学教学组织形式创新路径探究[J]. 大学化学, 2025, 40(9): 99 -106 .
[4]	杨润, 庞华婕, 臧惠萍, 张瑞中, 张志成, 李希艳, 张立兵. 人工智能赋能DNA计算：探索生物信息的新前沿[J]. 大学化学, 2025, 40(9): 107 -117 .
[5]	张岩, 周立敏, 曹晓燕, 包木太. 人工智能在海洋特色物理化学综合实验中的应用探索[J]. 大学化学, 2025, 40(9): 118 -125 .
[6]	林琦, 刘坚华, 姚莉韵, 杨秀岩, 何伟娜, 杨若林. 超星AI助教在医用有机化学课程中的应用探索[J]. 大学化学, 2025, 40(9): 142 -147 .
[7]	冯五一, 赵娣. 浅谈人工智能技术融入高校化学教学的意义和举措[J]. 大学化学, 2025, 40(9): 156 -163 .
[8]	房喻. 人工智能赋能教育：从跟随ChatGPT-4进行的一次自主学习说起[J]. 大学化学, 2025, 40(9): 1 -4 .
[9]	吴凌莉, 雷圣宾. 生成式人工智能驱动化学创新教学的现状及展望[J]. 大学化学, 2025, 40(9): 206 -219 .
[10]	陈良俊, 张裕, 张志成, 彭永武. 人工智能赋能大学化学教育改革：信息化与智能化素养培养的实践探索[J]. 大学化学, 2025, 40(9): 220 -227 .
[11]	朱伟钢, 王建凤, 齐强, 李婧, 张志成, 于曦. 面向智能时代的化学信息学与人工智能化学理论课程建设[J]. 大学化学, 2025, 40(9): 34 -42 .
[12]	刘怡帆, 彭浩南. AI辅助开启化学的新篇章——人工智能在化学领域的应用与发展综述[J]. 大学化学, 2025, 40(7): 189 -199 .
[13]	许钟翰, 李玥嘉, 陈建成. 碳中和新旅程[J]. 大学化学, 2025, 40(6): 167 -171 .
[14]	崔美荣, 谢茉, 晁洁. 人工智能赋能物理化学实验课程的设计与思考[J]. 大学化学, 2025, 40(5): 291 -300 .
[15]	张颖, 葛芳, 罗志敏. AI赋能生物化学教学研究——基因突变的功能效应预测[J]. 大学化学, 2025, 40(3): 277 -284 .