氢燃料作为清洁能源，其普及应用面临高效储存难题，传统储氢方式或需极高压力，或需极低温度，储存本身能耗大。在此背景下，高效储氢的金属氢化物成为极具前景的选择。

东北大学研究人员为更精准预测储氢材料性能指标，借助新建立的数据基础设施——数字氢能平台(DigHyd)开展研究。该平台整合超5000条来自文献的实验记录，由人工智能语言模型提供支持，研究成果发表于《化学科学》杂志。借助这一庞大数据库，研究人员探索出具有物理意义的模型，发现原子质量、电负性等基本原子特征是金属氢化物高效储氢的关键描述符。东北大学先进材料研究所特聘教授郝力称：“这种白盒回归模型预测准确且具完全物理可解释性，是透明的，不像传统‘黑盒’机器学习方法，我们不清楚其计算最终结果的方式。”这种透明性让科学家能确定设计策略，模型以简洁易懂方式表达目标指标，将原子尺度特性与存储行为关联，清晰展现材料成分对氢吸收和释放的控制。

研究还揭示金属氢化物领域根本性权衡关系：轻质、电正性元素化合物储氢容量高，但室温下平衡压力低;较重过渡金属化合物易释放氢气，但储氢容量低。铍基合金能平衡这些矛盾特性，兼具高储氢密度和合适热力学稳定性。此外，这项工作建立了加速能源材料研究的方法，基于描述符的框架为连接数据驱动分析和物理理解提供新范式，为氢存储材料设计提供可扩展、透明基础。该方法可扩展至复杂合金和多孔结构，为开发安全、高效、高容量储氢系统提供途径，助力向清洁、碳中和能源技术过渡。

更多信息： Seong-Hoon Jang 等人，《物理可解释描述符驱动用于储氢的金属氢化物材料设计》，《化学科学》 (2025)。