原創 ScienceAI ScienceAI

編輯 | 綠蘿

為了保障能源供應和應對氣候變化，人們的焦點從化石燃料轉向清潔和可再生能源，氫以其高能密度和清潔低碳的能源屬性可以在能源轉型變革中發揮重要作用。

氫燃料電池，尤其是質子交換膜燃料電池 (PEMFC)，由于其高能量轉換效率和零排放操作，成為這場綠色革命的關鍵。

PEMFC 通過電化學過程將氫轉化為電能，反應的唯一副產品是純水。然而，如果水不能正常流出電池，隨后「淹沒」系統，PEMFC 可能會變得低效。到目前為止，由于燃料電池體積非常小且結構非常復雜，工程師們很難理解燃料電池內部排水或積水的精確方式。

近日，來自悉尼新南威爾士大學（UNSW）的研究團隊開發了一種深度學習算法（稱為 DualEDSR），來提高對 PEMFC 內部情況的理解，可以從較低分辨率的 X 射線微計算機斷層掃描（micro-CT）中生成高分辨率的建模圖像。該工藝已經在單個氫燃料電池上進行了測試，可以對其內部進行精確建模，并有可能提高其效率。

論文一作 Wang 博士表示：「超分辨率算法 DualEDSR 與高分辨率圖像相比，將視野提高了約 100 倍�！�

研究人員表示，它也可以在未來用于人體 X 射線，讓醫療專業人員更好地了解體內的微小細胞結構，從而可以更好更快地診斷各種疾病。

該研究以「使用深度學習對質子交換膜燃料電池進行大規模物理精確建�！梗�Large-scale physically accurate modelling of real proton exchange membrane fuel cell with deep learning）為題，于 2023 年 2 月 14 日發表在《自然通訊》(Nature Communications) 上。

論文鏈接：https://www.nature.com/articles/s41467-023-35973-8

PEMFC 使用氫燃料發電，是一種安靜、清潔的能源，可以為家庭、車輛和工業提供動力。

由于多尺度、多層多孔介質中的多相、多組分、反應動力學，精確的液態水建模本身具有挑戰性。此外，目前不充分的成像和建模能力限制了對小區域 (<1 mm^2) 或簡化架構的模擬。

圖 1：本研究中生成的 PEMFC 域。（來源：論文）

在此，使用 X 射線 micro-CT、深度學習超分辨率、多標簽分割和直接多相模擬，實現了水建模的進步。生成的圖像是分辨率最高的域（16 mm^2，體素分辨率為 700 nm）和最大的燃料電池直接多相流模擬。這種通用方法揭示了氣體擴散層和流場中大面積干燥和淹沒區域的多尺度水聚集和傳輸機制，為具有優化結構和潤濕性的下一代 PEMFC 鋪平了道路。