由日本东北大学领衔的研究团队近日在《化学科学》期刊发表重要成果，成功利用人工智能与物理学方法破解间隙金属氢化物储氢材料的设计难题。该团队整合DigHyd专业数据库与GoodRegressor符号回归算法，对海量文献数据深度挖掘，首次清晰量化了控制材料性能的核心物理参数。 研究揭示，储氢容量与室温平衡压力受截然不同的材料特性支配。储氢容量主要取决于金属原子平均半径与热导率，当原子半径优化至约1.47埃且晶格保持适度柔软时，材料储氢表现最佳。相反，氢气的吸放压力则主要由晶格弹性性质调控，尤其是剪切模量与泊松比。研究团队据此提出一套可解释的设计蓝图：通过调节原子几何尺寸与晶格柔韧性以提升容量，同时优化晶格刚度以维持接近常压的运行条件。 基于该模型，团队为体心立方合金、Laves相、LaNi5型及TiFe型等多类主流间隙氢化物指明了成分优化路径。尽管新设计候选材料尚待实验验证，但该框架已大幅收窄研发搜索空间，有效降低试错成本。研究人员表示，此类数据驱动与机理融合的研究策略，有望进一步推广至离子氢化物及固态电解质等前沿能源材料领域，加速绿色氢能存储技术的产业化进程。