清华大学在机器学习增强的石墨烯水诱导发电及功能应用上取得进展

 地球上的海洋、江河、空气中含有巨大且丰富的水资源。近年来，利用水资源与纳米材料相互作用产生电能的研究受到广泛关注，所构建的水诱导发电机（Water-enabled Electricity Generation, WEG）或者水伏器件是一种新型的清洁能源材料技术，有望助力人类社会未来可持续发展。然而，水与纳米材料相互作用产生电能过程受到纳米级通道结构、规模集成度、多重材料参数等的耦合影响，使得开发高性能的水诱导发电机非常困难。

近日，清华大学化学系曲良体教授、程虎虎博士及团队成员利用旋转冷冻工艺，制备了具有长程有序二维通道结构的石墨烯水诱导发电机（2D-WEG），将大规模二维孔道有序集成，通过与水相互作用直接产生电能。同时，基于WEG发电器件的发电原理与流动电势的相似性，研究者开发了基于迁移学习技术的性能优化框架，其能够使用小规模的实验数据和大规模的流动电势数据，实现发电性能的准确预测，并利用差分进化算法实现多个参数的耦合优化。

相比传统的机器学习方法，迁移学习模型能够在小规模的实验数据下实现对发电性能的准确预测。最终，通过迁移学习技术的多参数耦合优化模型和试验结合，构建了一系列具有不同发电行为的高性能水诱导发电机WEG，实现了水诱导发电机的定制化开发。此外，所开发2D-WEG器件优异的力学性能使得其在不同的拉伸和弯曲变形下均能保持性能稳定。研究者还展示了所开发的水流诱导发电器件驱动LED阵列、科学计算器、电子墨水屏等多种商用电子器件的应用场景。该研究不仅为高性能的水诱导发电机的设计与开发提供了新的路径，所构建的迁移学习优化框架也降低了机器学习方法在训练数据不足的传统物理、化学领域应用的门槛。相关成果以“迁移学习增强超有序氧化石墨烯纳米孔道水诱导发电”（Transfer learning enhanced water-enabled electricity generation in highly oriented graphene oxide nanochannels）在《自然·通讯》（Nature Communnications）发表。


2D-WEG石墨烯水诱导发电机研究成果示意及效果图

利用水与功能材料相互作用产生电能研究还被用于开发多种先进功能器件。例如，该研究团队发展的不对称结构石墨烯薄膜，能够吸收空气中的水分形成稳定电势，构建了一种湿气发电（Moisture-enabled Electricity Generation, MEG）薄膜，能够对温度、湿度、压力、光照等多种环境刺激产生响应信号。通过机器学习解析和薄膜器件构筑，开发了MEG自供电单组份实时多模态传感。基于此开发的MEG多功能手环，能够根据手腕处的压力变化情况，来识别多种操作手势和常用的手语信号，实现了自供能的人机交互。同时，其可以同步监测人体的脉搏、体温和皮肤湿度变化情况，并对多种心脏类疾病进行识别和预警，实现了使用单一MEG器件来进行多指标的人体健康检测。


湿气发电薄膜自供电单组份实时多模态传感

上述成果通讯作者为清华大学化学系曲良体教授和程虎虎博士，杨策博士为第一作者。该研究得到国家自然科学基金、清华大学佛山先进制造研究院、国强研究院项目的资助，同时得到清华大学有机光电子与分子工程教育部重点实验室、高端装备界面科学与技术全国重点实验室、柔性电子技术实验室的支持。

论文链接：

https://www.nature.com/articles/s41467-022-34496-y