大数据+可解释 AI！日本东北大李昊Chem Sci | 把“数据-机理-设计”串成固态储氢地图！

本研究由日本东北大学李昊教授团队与Orimo教授团队合作，针对固态储氢材料开发中的关键问题，提出基于可解释AI的创新解决方案。背景方面，传统黑箱机器学习模型虽能预测材料性能，但缺乏物理可解释性，阻碍实际应用。研究目的旨在通过少量物理意义明确的描述符（原子质量、电负性、摩尔密度等），建立金属氢化物比氢容量与室温平衡压力的解析模型，形成可指导研发的设计地图。结论显示，该方法在保持与主流机器学习相当精度的同时，成功绘制出材料成分-性能关系图，揭示铍基合金等新材料路径，并为多目标联合设计提供可扩展框架。