8月31日消息，arXiv论文（2601.18914，1月26日首发、8月27日更新v2）展示了用人工智能加速设计质子交换膜（PEM）的完整策略。PEM电解槽具有电流密度高、动态响应快、系统紧凑等优势，但全氟磺酸膜Nafion成本高昂且属"永久化学品"，寻找无氟替代品数十年进展有限。

佐治亚理工学院Rampi Ramprasad、Anand Patra等开发的策略包含两大核心组件：一是"虚拟正向合成"方法，生成数百万种可合成聚合物的化学空间；二是一组预测应用相关膜性质（质子电导率、气体渗透性、化学稳定性等）的机器学习模型，对候选库进行评估筛选。策略先以已知膜的实验数据验证，再应用设计出1700余种可合成的无氟候选膜材料。论文还展望了将策略升级为基于大语言模型的交互式迭代材料设计框架。

该团队此前已与科慕等企业合作落地聚合物信息学（2023年曾开发用于电容储能的聚合物介电材料）。此项工作将AI材料基因方法延伸至绿氢核心部件，有望缩短PEM电解槽降本与去氟化路径。 （来源：arXiv）