journal article·2025

Machine learning-driven breakthroughs in water electrolysis and supercapacitors

Diab Khalafallah, Fuming Lai, Hao Huang, Jue Wang, Xiaoqing Wang, Shengfu Tong, Qinfang Zhang

Materials Chemistry Frontiers· Volume 9· Issue 15
Publisher page

Abstract

ML has revolutionized the field of materials science by expediting discovery and optimization procedures. ML algorithms monitor enormous datasets, thereby predicting novel nanomaterials with tailored properties for breakthroughs in nanotechnology.
Only a short abstract or summary was supplied by the source.
Source: crossref · Quality: short

Research context

OpenAlex topics: Fuel Cells and Related Materials · Electrocatalysts for Energy Conversion · Machine Learning in Materials Science

SciVX discovery tags are terminology-based. OpenAlex topics are source-provided classifications.

Affiliations

School of Materials Science and Engineering, Yancheng Institute of Technology, Yancheng, 224051, P. R. China

Mechanical Design and Materials Department, Faculty of Energy Engineering, Aswan University, P.O. Box 81521, Aswan, Egypt

School of Sustainable Energy Materials and Science, Jinhua Advanced Research Institute, Jinhua, 321015, Zhejiang, China

College of Materials and Chemical Engineering, Chuzhou University, Huifeng West Road 1, Chuzhou 239000, China

Funding

National Natural Science Foundation of China · Natural Science Foundation of Jiangsu Province

References (100+)

Show source-provided references
1. Brockway · Nat. Energy · 2019 · 4 · 61210.1038/s41560-019-0425-z ↗
2. Seh · Science · 2017 · 355 · eaad499810.1126/science.aad4998 ↗
3. Khalafallah · Coord. Chem. Rev. · 2023 · 496 · 21540510.1016/j.ccr.2023.215405 ↗
4. Ma · Nat. Energy · 2020 · 5 · 74310.1038/s41560-020-0674-x ↗
5. Khalafallah · Chin. J. Catal. · 2023 · 55 · 4410.1016/S1872-2067(23)64544-9 ↗
6. Castelvecchi · Nature · 2022 · 611 · 44010.1038/d41586-022-03699-0 ↗
7. Chatenet · Chem. Soc. Rev. · 2022 · 51 · 458310.1039/D0CS01079K ↗
8. Terlouw · Energy Environ. Sci. · 2022 · 15 · 358310.1039/D2EE01023B ↗
9. Li · Adv. Funct. Mater. · 2021 · 31 · 210671510.1002/adfm.202106715 ↗
10. Artero · Angew. Chem., Int. Ed. · 2011 · 50 · 723810.1002/anie.201007987 ↗
11. Buttler · Renewable Sustainable Energy Rev. · 2018 · 82 · 244010.1016/j.rser.2017.09.003 ↗
12. Zhou · ACS Mater. Lett. · 2021 · 3 · 13610.1021/acsmaterialslett.0c00502 ↗
13. Zeng · Prog. Energy Combust. Sci. · 2010 · 36 · 30710.1016/j.pecs.2009.11.002 ↗
14. Li · Nat. Commun. · 2019 · 10 · 171110.1038/s41467-019-09666-0 ↗
15. Qin · Adv. Energy Mater. · 2019 · 9 · 197000310.1002/aenm.201970003 ↗
16. Li · Nat. Mater. · 2021 · 20 · 124010.1038/s41563-021-01006-2 ↗
17. Kawashima · Chem. Rev. · 2023 · 123 · 1279510.1021/acs.chemrev.3c00005 ↗
18. Kou · ACS Mater. Lett. · 2021 · 3 · 22410.1021/acsmaterialslett.0c00536 ↗
19. Wygant · ACS Energy Lett. · 2018 · 3 · 295610.1021/acsenergylett.8b01774 ↗
20. Jin · ACS Energy Lett. · 2017 · 2 · 193710.1021/acsenergylett.7b00679 ↗
21. Dinh · Nano Today · 2019 · 25 · 9910.1016/j.nantod.2019.02.008 ↗
22. Joo · Adv. Mater. · 2019 · 31 · 180668210.1002/adma.201806682 ↗
23. Jia · Chem · 2019 · 5 · 137110.1016/j.chempr.2019.02.008 ↗
24. Wu · Science · 2011 · 332 · 44310.1126/science.1200832 ↗
25. Chunduri · ACS Appl. Energy Mater. · 2023 · 6 · 463010.1021/acsaem.2c04164 ↗
26. Chen · ACS Catal. · 2022 · 12 · 262310.1021/acscatal.1c05175 ↗
27. Liu · Chin. J. Catal. · 2021 · 42 · 105410.1016/S1872-2067(20)63722-6 ↗
28. Wang · Chin. Chem. Lett. · 2021 · 32 · 210810.1016/j.cclet.2020.11.051 ↗
29. Zhang · Adv. Funct. Mater. · 2020 · 30 · 200076810.1002/adfm.202000768 ↗
30. Banerjee · Acc. Chem. Res. · 2022 · 55 · 50410.1021/acs.accounts.1c00680 ↗
31. Silva · Energy Storage Mater. · 2020 · 27 · 55510.1016/j.ensm.2019.12.015 ↗
32. Yao · Joule · 2019 · 3 · 45910.1016/j.joule.2018.09.020 ↗
33. Pomerantseva · Science · 2019 · 366 · 96910.1126/science.aan8285 ↗
34. Wang · Nat. Commun. · 2023 · 14 · 460710.1038/s41467-023-40282-1 ↗
35. Zhang · Adv. Energy Mater. · 2015 · 5 · 140140110.1002/aenm.201401401 ↗
36. Tran · Nat. Catal. · 2018 · 1 · 69610.1038/s41929-018-0142-1 ↗
37. Khalafallah · J. Power Sources · 2023 · 558 · 23256310.1016/j.jpowsour.2022.232563 ↗
38. Kirklin · npj Comput. Mater. · 2015 · 1 · 1501010.1038/npjcompumats.2015.10 ↗
39. Dan · npj Comput. Mater. · 2020 · 6 · 8410.1038/s41524-020-00352-0 ↗
40. Ulissi · J. Phys. Chem. Lett. · 2016 · 7 · 393110.1021/acs.jpclett.6b01254 ↗
41. Shan · Nano Lett. · 2024 · 24 · 1163210.1021/acs.nanolett.4c03208 ↗
42. Wang · ACS Catal. · 2024 · 14 · 133610.1021/acscatal.3c05181 ↗
43. Keith · Chem. Rev. · 2021 · 121 · 981610.1021/acs.chemrev.1c00107 ↗
44. Chen · ACS Nano · 2023 · 17 · 976310.1021/acsnano.3c01062 ↗
45. Shen · Acc. Mater. Res. · 2022 · 3 · 57210.1021/accountsmr.1c00246 ↗
46. Ihalage · Adv. Sci. · 2022 · 9 · 220016410.1002/advs.202200164 ↗
47. Fan · Adv. Funct. Mater. · 2024 · 34 · 240188710.1002/adfm.202401887 ↗
48. Ryan · J. Am. Chem. Soc. · 2018 · 140 · 1015810.1021/jacs.8b03913 ↗
49. Jeong · Adv. Energy Mater. · 2024 · 14 · 240234210.1002/aenm.202402342 ↗
50. Steinmann · Mater. Horiz. · 2023 · 10 · 39310.1039/D2MH01279K ↗
51. Chen · Adv. Funct. Mater. · 2022 · 32 · 220841810.1002/adfm.202208418 ↗
52. Liu · Adv. Funct. Mater. · 2022 · 32 · 211074810.1002/adfm.202110748 ↗
53. Liu · Adv. Funct. Mater. · 2021 · 31 · 210054710.1002/adfm.202100547 ↗
54. Qu · Adv. Mater. · 2024 · 36 · 240423210.1002/adma.202404232 ↗
55. Lin · Nat. Commun. · 2024 · 15 · 816910.1038/s41467-024-52519-8 ↗
56. Yang · J. Mater. Chem. A · 2023 · 11 · 715910.1039/D3TA00211J ↗
57. Zhou · Carbon · 2020 · 157 · 14710.1016/j.carbon.2019.08.090 ↗
58. Chen · Chin. J. Catal. · 2022 · 43 · 1110.1016/S1872-2067(21)63852-4 ↗
59. Qiu · AIChE J. · 2024 · 70 · e1857510.1002/aic.18575 ↗
60. Lu · ACS Appl. Mater. Interfaces · 2025 · 17 · 2379510.1021/acsami.4c21255 ↗
61. Jyothirmai · ACS Appl. Mater. Interfaces · 2024 · 16 · 1243710.1021/acsami.3c17389 ↗
62. Jiang · ACS Appl. Mater. Interfaces · 2022 · 14 · 4114110.1021/acsami.2c13435 ↗
63. Zhang · Energy Storage Mater. · 2023 · 63 · 10306910.1016/j.ensm.2023.103069 ↗
64. Jordan · Science · 2015 · 349 · 25510.1126/science.aaa8415 ↗
65. W. X.Zhao , K.Zhou , J.Li , T.Tang , X.Wang , Y.Hou , Y.Min , B.Zhang , J.Zhang , Z.Dong , Y.Du , C.Yang , Y.Chen , Z.Chen , J.Jiang , R.Ren , Y.Li , X.Tang , Z.Liu , P.Liu , J.-Y.Nie and J.-R.Wen , A survey of large language models , arXiv , 2023 , preprint, arXiv:2303.18223 10.48550/arXiv.2303.1822310.48550/arXiv.2303.18223 ↗
66. Sarker · SN Comput. Sci. · 2021 · 2 · 16010.1007/s42979-021-00592-x ↗
67. Wang · J. Mater. Chem. A · 2022 · 10 · 2436210.1039/D2TA07167C ↗
68. Lu · Int. J. Hydrogen Energy · 2024 · 85 · 20010.1016/j.ijhydene.2024.08.355 ↗
69. Lee · Phys. Rev. B · 2016 · 93 · 11510410.1103/PhysRevB.93.115104 ↗
70. Rajan · Chem. Mater. · 2018 · 30 · 403110.1021/acs.chemmater.8b00686 ↗
71. R.Caruana and A.Niculescu-Mizil , An empirical comparison of supervised learning algorithms . In Proceedings of the 23rd International Conference on ML , 2006 , 161168
72. Ruppert · J. Am. Stat. Assoc. · 2009 · 567
73. Van Engelen · Mach. Learn. · 2020 · 109 · 37310.1007/s10994-019-05855-6 ↗
74. C.Szepesvári , Algorithms for reinforcement learning , Springer Nature , 2022
75. LeCun · Nature · 2015 · 521 · 43610.1038/nature14539 ↗
76. Li · Neural Netw. Learn. Syst. · 2021 · 33 · 699910.1109/TNNLS.2021.3084827 ↗
77. Medsker · Des. Appl. · 2001 · 5 · 64
78. Van Houdt · Artif. Intell. Rev. · 2020 · 53 · 592910.1007/s10462-020-09838-1 ↗
79. A.Vaswani , N.Shazeer , N.Parmar , J.Uszkoreit , L.Jones , A. N.Gomez , Ł.Kaiser and I.Polosukhin , Attention Is All You Need, in Advances in Neural Information Processing Systems , ed. I. Guyon , U. Von Luxburg , S. Bengio , H. Wallach , R. Fergus , S. Vishwanathan and R. Garnett , 2017 , vol. 30
80. A.Vaswani , N.Shazeer , N.Parmar , J.Uszkoreit , L.Jones , A. N.Gomez , Ł.Kaiser and I.Polosukhin , Attention Is All You Need , arXiv , 2017 , preprint, arXiv:1706.03762v7 10.48550/arXiv.1706.0376210.48550/arXiv.1706.03762 ↗
81. Luo · Brief. Bioinform. · 2022 · 23 · bbac40910.1093/bib/bbac409 ↗
82. Radford · OpenAI blog · 2019 · 1 · 8
83. Floridi · Minds Mach. · 2020 · 30 · 68110.1007/s11023-020-09548-1 ↗
84. J.Achiam , et al. , Gpt-4 technical report , arXiv , 2023 , preprint, arXiv:2303.08774 10.48550/arXiv.2303.0877410.48550/arXiv.2303.08774 ↗
85. R.Islam and O. M.Moushi , Gpt-4o: The cutting-edge advancement in multimodal llm . Authorea Preprints , 2024
86. J.Devlin , M.-W.Chang , K.Lee and K.Toutanova , Bert: Pre-training of deep bidirectional transformers for language understanding , arXiv , 2018 , preprint, arXiv:1810.04805 10.48550/arXiv.1810.0480510.48550/arXiv.1810.04805 ↗
87. Zhang · ACS Catal. · 2020 · 10 · 859710.1021/acscatal.0c01906 ↗
88. Tan · Phys. Chem. Chem. Phys. · 2016 · 18 · 169910.1039/C5CP06682D ↗
89. Miao · Chem. Soc. Rev. · 2024 · 53 · 277110.1039/D2CS01068B ↗
90. Fasulo · Curr. Opin. Electrochem. · 2023 · 42 · 10141210.1016/j.coelec.2023.101412 ↗
91. Ge · J. Phys. Chem. Lett. · 2020 · 11 · 86910.1021/acs.jpclett.9b03875 ↗
92. Zhang · J. Power Sources · 2020 · 471 · 22844610.1016/j.jpowsour.2020.228446 ↗
93. B. K.Kim , S.Sy , A.Yu and J.Zhang , Electrochemical Supercapacitors for Energy Storage and Conversion , Handbook of Clean Energy Systems , 2015 , pp. 1–25
94. Wang · Matter · 2020 · 2 · 137710.1016/j.matt.2020.04.002 ↗
95. Zhao · Energy Storage Mater. · 2016 · 2 · 3510.1016/j.ensm.2015.11.005 ↗
96. Liu · Adv. Funct. Mater. · 2022 · 33 · 220835810.1002/adfm.202208358 ↗
97. Ahmad · J. Energy Storage · 2024 · 81 · 11043010.1016/j.est.2024.110430 ↗
98. Zagalskaya · J. Phys. Chem. Lett. · 2020 · 11 · 269510.1021/acs.jpclett.0c00335 ↗
99. Wu · J. Chem. Eng. · 2022 · 439 · 13569910.1016/j.cej.2022.135699 ↗
100. She · Adv. Funct. Mater. · 2021 · 32 · 210846510.1002/adfm.202108465 ↗