面向质子交换膜水电解的机器学习研究 -- 第一部分：知识集成框架

本研究提出采用一种新型框架——知识集成机器学习 (Knowledge-integrated Machine Learning)，用于推进质子交换膜水电解 (PEMWE) 的发展。鉴于 PEMWE 在绿色氢气生产中的重要地位以及其固有优化难题，该框架旨在系统性地将数据驱动模型与领域特定见解融合，以解决领域挑战。我们首先识别数据获取条件、数据驱动模型机制以及领域专家知识来源的不确定性，突出它们在从不同视角传递信息方面的互补特征。基于此基础，我们展示了如何巧妙地分解知识并提取独特信息以贡献于数据增强、建模过程和知识发现。我们在 PEMWE 语境下演示了一个分层三级框架，称为“知识集成机器学习的阶梯”，并通过细胞降解分析中的三个案例研究来确认其在插值、 extrapolate 以及信息表示方面的有效性。该研究为更加知识驱动的 ML 在工程领域的应用奠定了基础。