Analiza materiałów wad ogniw paliwowych dzięki AI
AI przyspiesza diagnostykę wad ogniw paliwowych, oferując precyzję i optymalizację w czasie rzeczywistym z technologią cyfrowego bliźniaka.
Metoda opracowana przez zespół badawczy dr Chi-Younga Junga z Korea Institute of Energy Research (KIER) zapoczątkowała nową erę w diagnozowaniu wadliwego działania wodorowych ogniw paliwowych. Integrując sztuczną inteligencję (AI) z technologią cyfrowego bliźniaka, zespół osiągnął analizę mikrostrukturalną papieru z włókna węglowego – krytycznego komponentu wodorowych ogniw paliwowych – z prędkością 100 razy szybszą niż tradycyjne metody.
Papier z włókna węglowego jest niezbędny w wodorowych ogniwach paliwowych, ułatwiając zarówno odprowadzanie wody, jak i dostarczanie paliwa. Złożona z włókien węglowych, spoiw i powłok mikrostruktura tego materiału zmienia się w czasie, wpływając na wydajność ogniwa paliwowego. Diagnozowanie tych zmian przez długi czas było pracochłonnym procesem, wymagającym mikroskopii elektronowej i fizycznego niszczenia próbek.
Jednak nowa technika oparta na sztucznej inteligencji przekształca ten proces. Korzystając z diagnostyki rentgenowskiej w połączeniu z zaawansowanym modelem uczenia się obrazu, zespół badawczy omija potrzebę mikroskopów elektronowych, umożliwiając analizę w czasie rzeczywistym z niespotykaną dotąd precyzją.
Zespół zebrał 5000 obrazów z ponad 200 próbek papieru z włókna węglowego, aby wytrenować algorytm uczenia maszynowego. Model AI osiągnął imponującą dokładność 98% w przewidywaniu rozkładu 3D i rozmieszczenia włókien węglowych, spoiw i powłok. Porównując początkowy stan papieru z włókna węglowego z jego obecnym stanem, system może natychmiast zidentyfikować przyczyny degradacji.
Tradycyjne metody wymagały co najmniej dwóch godzin analizy, w tym fizycznego uszkodzenia próbek i użycia mikroskopu elektronowego do kontroli. W przeciwieństwie do nich, model oparty na sztucznej inteligencji dostarcza wyniki w zaledwie kilka sekund, opierając się wyłącznie na tomografii rentgenowskiej. Ten skok wydajności nie tylko skraca czas, ale także eliminuje potrzebę niszczenia próbek.
Poza diagnostyką, technologia oferuje cenny wgląd w optymalizację projektu. Zespół wykorzystał dane z modelu AI do oceny, w jaki sposób czynniki takie jak grubość papieru z włókna węglowego i zawartość spoiwa wpływają na wydajność ogniwa paliwowego. Identyfikując optymalne parametry projektowe, zaproponowali nowe ramy w celu zwiększenia wydajności ogniw paliwowych.
Dr Chi-Young Jung podkreślił szersze implikacje tej innowacji. „Badanie to łączy sztuczną inteligencję i wirtualne modelowanie, aby pogłębić nasze zrozumienie związku między strukturą a właściwościami materiału. Jego zastosowania wykraczają poza ogniwa paliwowe do powiązanych dziedzin, takich jak baterie wtórne i elektroliza wody”.
Integracja sztucznej inteligencji w analizie materiałów energetycznych stanowi znaczący postęp w technologii energii odnawialnej. Umożliwiając niemal natychmiastową diagnostykę i optymalizację, innowacja ta może przyspieszyć rozwój i wdrażanie wydajnych, trwałych ogniw paliwowych. Co więcej, otwiera ona drogę do postępu w innych dziedzinach, w tym technologii akumulatorów i systemów elektrolizy wody.
Osiągnięcie to jest zgodne z globalnymi wysiłkami na rzecz rozwoju rozwiązań w zakresie energii wodorowej i walki ze zmianami klimatycznymi. Ponieważ kraje inwestują w czystsze technologie, zdolność do szybkiego diagnozowania i optymalizacji materiałów będzie odgrywać kluczową rolę w zapewnieniu niezawodności i skalowalności systemów energii odnawialnej.
Szymon Ślubowski
