【仪表网 研发快讯】 近日，我校机械工程学院崔红教授团队在Nature子刊《npj Computational Materials》(IF：13.1)发表题为“Regulation of two-layer hydrogen adsorption in Metal-doped MXenes: few-shot learning, mechanisms, and transferability”的研究论文。陕西理工大学为第一通讯单位，我校机械工程学院青年教师田伟志为第一作者，2023级机械工程专业硕士研究生彭体人为共同第一作者，我校崔红教授与西南大学袁宏宽教授为论文共同通讯作者。该研究利用小样本学习和可解释AI技术，突破了传统试错法在庞大材料空间中筛选高效储氢材料的效率瓶颈，为原子级智能制造的微观调控提供了理论支撑。
 

　　高效固态储氢材料的研发，核心在于实现材料表面“原子级精准调控”。然而，面向原子级智能制造对微观构效关系精准预测的迫切需求，传统试错实验与高精度计算面临计算成本高、筛选周期长等瓶颈，难以覆盖庞大的材料组分空间。针对这一难题，团队将人工智能与第一性原理计算深度融合，利用数据驱动方法探索微观结构调控规律，成功揭示了MXenes材料表面两层氢吸附的动态演化机制。这不仅为高效储氢材料筛选提供了全新视角，也进一步夯实了原子级智能制造的智能决策基础。
 

　　该研究针对储氢结构表面第一层氢原子的强吸附与第二层氢分子的Kubas吸附的不同特点，分别构建了多算法融合的集成回归模型与二分类识别模型，不仅克服了小样本偏差与数据非均匀拟合难题，实现了对吸附行为的高精度预测与理想可逆储氢位点的精准筛选；同时借助可解释AI技术，阐明了基底主导、掺杂微调的调控机制，为精准设计与按需定制新型高效固态储氢体系提供了重要的理论支撑。
 

　　该成果标志我校机械工程学院在“人工智能与原子级智能制造”交叉领域的科研创新实力取得重大突破，基础研究水平迈上新台阶。
 

　　引用：【有组织科研产出高水平成果】崔红教授团队在人工智能赋能储氢领域取得重要突破-陕西理工大学【引用时间：2026年8月3日】