氢气是理想的未来能源，储氢技术是限制其广泛应用的瓶颈。固态储氢应用在燃料电池汽车上优点十分明显，但现在技术还有待突破。人工智能学院于11月7日举办了“青年学者学术论坛”。此次论坛采取线上形式进行，论坛邀请袁美玲老师作专场报告，院全体专任教师参加线上学术报告会。

在氢的存储方面，金属氢化物的高体积密度、低存储损耗以及高安全性等特点，使得金属氢化物成为潜在的储氢材料。因此，MgH₂，CaH₂及其离子体系在实验和理论上受到了广泛的关注。目前，大部分研究集中在MgH₂体系，CaH₂体系的研究相对很少。充分了解CaH₂体系的动力学特性，有助于了解该体系的储氢性能。因此，袁老师采用多参考组态相互作用方法结合较大的相关一致基组进行CaH₂体系基态和低激发态的从头算计算，然后采用神经网络方法对从头算能量进行拟合，得到体系势能面。以往的理论研究表明，CaH₂体系的非绝热效应十分明显。为得到更加准确的动力学结果，本项目拟采用导数耦合的机器学习方法构建该体系的非绝热势能面，并基于新构建的非绝热势能面进行量子态分辨的动力学研究，从而明确非绝热效应在反应中的影响，充分了解CaH₂体系的储氢性能，为设计新的储氢材料提供理论支持。

袁老师基于前期研究基础，通过采用导数耦合的机器学习方法进行测试，与本项目相关的程序编写工作已经着手，并对程序进行了MPI/OpenMP混编并行，使得计算时间和数据交换时间很好的重叠。从目前的程序测试来看，导数耦合的机器学习方法可以很好的解决透热势能面构建过程中透热角的问题。通过该方法构架CaH₂体系透热势能面，并进行动力学计算，为储氢材料的研究提供了一个理论基础。

（文图/人工智能学院      编辑/邵清清     审核/徐海波）