理大建筑与房地产学系倪萌教授团队，和深圳大学谢和平院士及南京工业大学邵宗平教授合作，在国际顶级学术期刊《自然-能源》（Nature Energy）发表题为「结合路易士酸描述符和机器学习预测陶瓷燃料电池的氧还原电极」的研究论文。
陶瓷燃料电池是极具应用前景的清洁发电装置，要物尽其用并发展成高效稳定的绿色能源技术，当中关键是为其筛选发展高效耐用的阴极材料。不过，传统测试採用的常规试错流程，进行材料开发费时且昂贵，也难以找寻到真正优良的材料。
高效开发氧还原电极
最近，香港理工大学建筑与房地产学系倪萌教授团队，和深圳大学谢和平院士及南京工业大学邵宗平教授合作，在国际顶级学术期刊《自然-能源》（Nature Energy）发表题为「结合路易士酸描述符和机器学习预测陶瓷燃料电池的氧还原电极」（A combined ionic Lewis acid descriptor and machine-learning approach to prediction of efficient oxygen reduction electrodes for ceramic fuel cells）的研究论文。作者设计出一种实验验证的机器学习驱动方法，以加速开发高效的氧还原电极，其中离子Lewis酸强度(ISA)作为钙钛矿氧化物氧还原反应活性的物理描述符。
促进绿色发电技术
该研究採用了机器学习，原子尺度计算和实验研究相结合的方法，开发了一个经过实验验证的阴极材料机器学习筛选技术，能够从超过6000种可能的材料成分中，筛选出适用于陶瓷燃料电池的材料，并进行了详细分析和测试，获得了优异的燃料电池性能和稳定性。
该项研究使用机器学习辅助材料筛选和设计，加快陶瓷燃料电池的开发，为实现绿色电力、碳中和目标开闢了新途径。
论文的第一作者是博士研究生翟朔，由倪萌教授和谢和平院士联合指导。邵宗平教授亦参与指导了该项研究。
倪萌教授是香港理工大学建筑与房地产学系的教授和建设及环境学院的副院长（科研）。他的研究领域包括燃料电池，氢能，储能电池，低温馀热利用等。
