基于人工智能的质子交换膜开环易位聚合优化

质子交换膜燃料电池（PEMFC）是一种很有前途的能量转换装置，可以将化学能转化为电能，因为它具有效率高、启动快、空气污染物排放低/零等优点。质子交换膜（PEM）在PEMFC中起着重要作用，传导离子，隔离燃料和氧化剂，以避免直接接触。人们为制造各种PEM做出了巨大的努力。全氟磺酸基膜，例如Nafion®系列，已被用于燃料电池应用。它们具有良好的化学稳定性、机械强度和良好的离子电导率。然而，仍然存在一些缺点，包括透气性高、保水性差、成本高。此外，其降解的含氟产品有毒，对人类和环境都有危险。人们在替代和低成本材料方面做出了广泛的努力，以制备性能更好的新型膜。降冰片烯及其衍生物由于其独特的结构和参与多种化学反应的能力，是很好的选择，例如开环易位聚合（ROMP），这是一种使用过渡金属催化剂引发环烯烃单体开口的聚合反应，从而形成聚合物链。该反应可用于生产具有独特结构和性能的广泛聚合物材料，使其成为材料科学和工程中的有用工具。聚合从小单体开始。几个因素决定了反应，包括温度、反应时间、反应物的比例和催化剂量等。为了制备膜，所获得的聚合物需要具有高度的聚合度（DP），即分子量（MW）和低分子量分布（MWD）。在实际应用中，正交实验设计（OED）被广泛用于研究聚合物合成的*佳条件。然而，OED不可避免地会导致相当大的实际工作量，这既耗时又昂贵。此外，从理论上讲，通过常规实验方法获得的*佳结果是不准确的，因为条件参数的变化是不连续的和非线性的。在过去的几十年里，PEMFC领域的计算机辅助设计促进了PEMFC的发展。由于人工智能（AI）在过去十年中经历了快速发展，它逐渐被应用于不同的领域来辅助设计，以及优化问题。基于AI的优化在材料开发研究中取得了惊人的成就，例如搜索*佳反应条件并分析结果。Chen等人基于群体海豚算法优化了PEMFC阴极电极的多层配置，以及散热器的蛇形通道设计。阿里优化获得了基于多目标方法的PEMFC的*佳操作条件。Wang等人将灰狼优化算法应用于高维分类上的特征选择。Rui利用机器学习优化了膜组装电极。迄今为止，已经对基于AI的方法的应用进行了更多的研究。然而，将基于AI的优化应用于PEMFC领域还远远不够。在本文中，首先采用了基于人工智能优化的经验模型，基于人工狼群算法优化了反应条件对合成结果的影响。论文分为五个方面：**部分介绍了本文研究工作的背景。**节分析了ROMP反应条件并计算了相关方程；第三节说明了优化框架；第四节定义了两个适应度函数优化；第5节分析了优化的实证结果和验证；第6节总结了研究工作

基于人工智能的优化

采用了基于人工智能的优化来寻找*优解，可以模拟人类的认知，找到*优的优化解。如图1所示，优化过程由四个主要步骤组成。

步骤1。实验数据获取过程，其中对原始数据进行了分析，包括反应物比例、温度、时间、催化剂含量、分子量和分子量分布。

步骤2。优化过程。该步骤定义了两个适应度函数，然后采用人工狼群算法方法生成帕累托*优解。

步骤3。验证过程。优化结果被纳入经验模型，并通过与数据库进行比较来验证结果。

步骤4。给出了解决方案。

图1优化框架。

人工狼群算法

人工狼群算法（AWPA）被嵌入到优化中，以获得*佳ROMP反应条件。狼是群居动物，大多生活在群体中。每只狼都可以搜索自己的局部*优解，并将信息传递给它附近的狼群进行比较。因此，由于狼群之间的高效信息传输，个体狼在方向和速度上与邻居保持同步，这使得它们能够在环境发生变化时从一个配置立即响应到另一个配置，几乎作为一个整体。受此类社会行为的智能启发，狼群算法是并行的，独立于初始值。AWPA可以使用非支配排序方法实现全局*优。AWPA的工作流程如图2所示。总共有7个步骤。

步骤1是初始化，其中所有参数都被初始化。

步骤2是行为选择，其中根据区域内猎物的密度、同伴的数量和视觉条件在不同的行为之间进行选择。

步骤3、4、5是三种行为，分别是侦察、召唤和围攻。侦察被设置为默认行为或初始行为。每只狼在特定区域内随机移动，并不断检查变化的条件。他们与邻居狼比较状态，直到找到*佳状态并移动到下一步。否则，侦察继续进行。

步骤6是公告操作。每只狼的状态与其历史数据进行比较。公告数据将在当前状态数据优于上次数据时更新。

步骤7是非支配排序，其中利用非支配排序遗传算法II（NSGA-II）比较结果。

图2 AWPA的工作流程。