人工智能取代人类识别燃料 C 的原因 |新闻智慧
作者：by National Research Council of Science and Technology
Newswise – 韩国能源研究所 (KIER) 氢研究与示范中心 Chi-Young Jung 博士的研究团队成功开发出一种分析碳纤维纸微观结构的方法，碳纤维纸是氢燃料电池的关键材料，速度比现有方法快 100 倍。这是通过利用数字孪生技术和人工智能（AI）学习来实现的。
碳纤维纸是氢燃料电池堆的关键材料，在促进排水和燃料供应方面发挥着至关重要的作用。它由碳纤维、粘结剂（胶粘剂）、涂层等材料组成。随着时间的推移，这些材料的排列、结构和涂层条件发生变化，导致燃料电池的性能下降。因此，分析碳纤维纸的微观结构已成为诊断燃料电池状况的重要步骤。
然而，迄今为止，对碳纤维纸的高分辨率微观结构的实时分析还不可能。这是因为，要获得准确的分析结果，需要将碳纤维纸样品破坏，然后使用电子显微镜进行详细检查的过程。
为了解决现有分析方法的局限性，研究团队开发了一种利用X射线诊断和基于人工智能的图像学习模型来分析碳纤维纸微观结构的技术。值得注意的是，该技术仅使用 X 射线断层扫描即可实现精确分析，无需电子显微镜。因此，它可以实现近乎实时的状态诊断。
研究团队从 200 多个碳纤维纸样本中提取了 5000 张图像，并利用这些数据训练了机器学习算法。因此，经过训练的模型能够预测碳纤维纸关键成分（包括碳纤维、粘合剂和涂层）的 3D 分布和排列，准确率超过 98%。此功能可以将碳纤维纸的初始状态与其当前状态进行比较，从而可以立即识别性能下降的原因。
传统的分析方法需要粉碎碳纤维纸样品并使用电子显微镜，至少需要 2 小时才能完成。相比之下，研究团队开发的分析模型仅使用X射线断层扫描设备就可以在几秒钟内识别出碳纤维纸的退化、损坏区域和损坏程度。
此外，研究团队利用所开发模型的数据来系统地确定碳纤维纸的厚度和粘合剂含量等设计因素如何影响燃料电池的性能。他们还提取了最佳设计参数，并提出了旨在提高燃料电池效率的理想设计方案。
首席研究员 Chi-Young Jung 博士表示：“这项研究的意义重大，因为它通过将人工智能与虚拟空间利用相结合来增强分析技术，并清楚地识别能源材料的结构和性能之间的关系，从而展示其实用性。适用性。”他补充道：“我们预计它未来将在二次电池、水电解等相关领域发挥重要作用。”
这项研究是在以下机构的支持下进行的韩国能源研究所 (KIER)研究项目，并于2024年10月在线发表在全球能源领域知名期刊《应用能源》上。
关于《人工智能取代人类识别燃料 C 的原因 |新闻智慧》的评论
暂无评论