Naukowcy porzucili metodę „prób i błędów” i zwrócili się ku uczeniu maszynowemu, aby zidentyfikować dwa tlenki o unikalnej strukturze i przewodnictwie protonowym – kluczowy materiał potrzebny w wodorowych ogniwach paliwowych.
Naukowcy z Uniwersytetu Kyushu, we współpracy z Uniwersytetem w Osace i Fine Ceramics Center, opracowali system, który wykorzystuje uczenie maszynowe do przyspieszenia identyfikacji materiałów dla technologii wykorzystywanych przy produkcji energii z OZE. Korzystając z nowego podejścia, naukowcy zidentyfikowali i z powodzeniem zsyntetyzowali dwa nowe materiały kwalifikujące się do zastosowania w stałotlenkowych ogniwach paliwowych – i w urządzeniach, które mogą generować energię przy użyciu paliw takich jak wodór. Badania zostały opublikowane w międzynarodowym czasopiśmie Advanced Energy Materials, a wyniki mogą być również wykorzystane do przyspieszenia poszukiwania innych innowacyjnych materiałów poza sektorem energetycznym.
W odpowiedzi na postępujące zmiany klimatyczne, naukowcy opracowują nowe sposoby generowania energii bez użycia paliw kopalnych.
– Jedną z dróg do neutralności klimatycznej jest stworzenie społeczności wodorowej. Jednak oprócz optymalizacji sposobu wytwarzania, magazynowania i transportu wodoru, musimy również zwiększyć wydajność generowania energii przez wodorowe ogniwa paliwowe – wyjaśniał profesor Yoshihiro Yamazaki z Wydziału Materiałoznawstwa i Technologii Uniwersytetu Kyushu, Platformy Inter-/Transdyscyplinarnych Badań Energetycznych (Q-PIT).
Aby wygenerować prąd elektryczny, stałotlenkowe ogniwa muszą być w stanie skutecznie przewodzić jony wodoru (protony) przez materiał stały, znany jako elektrolit. Obecnie badania nad nowymi rodzajami elektrolitów koncentrują się na tlenkach o bardzo specyficznym układzie krystalicznym atomów, znanym jako struktura perowskitowa.
– Pierwszy odkryty tlenek przewodzący proton miał strukturę perowskitu, a nowe perowskity o wysokiej wydajności są stale raportowane. Chcemy jednak rozszerzyć zakres odkrytych elektrolitów stałych na tlenki inne niż perowskity, które również mogą bardzo wydajnie przewodzić protony – mówił profesor Yamazaki.
Jednak odkrywanie materiałów przewodzących protony o alternatywnych strukturach krystalicznych za pomocą tradycyjnych metod „prób i błędów” ma wiele ograniczeń. Aby elektrolit zyskał zdolność przewodzenia protonów, do materiału bazowego należy dodać niewielkie ilości innej substancji. Jednak przy wielu obiecujących materiałach bazowych i domieszkach – z których każda ma inne właściwości – znalezienie optymalnej kombinacji, która zwiększa przewodnictwo protonów, staje się trudne i czasochłonne.
Zamiast tego naukowcy oszacowali właściwości różnych tlenków i domieszek. Następnie wykorzystali uczenie maszynowe do analizy danych, identyfikacji czynników wpływających na przewodnictwo protonowe materiału i przewidywania potencjalnych kombinacji.
Kierując się tymi czynnikami, zespół zsyntetyzowali dwa obiecujące materiały, każdy o unikalnej strukturze krystalicznej, i ocenił, na ile dobrze przewodzą one protony. Co ciekawe, oba materiały wykazały przewodnictwo protonowe w zaledwie jednym eksperymencie.
Jeden z materiałów, jak podkreślili naukowcy, jest pierwszym znanym przewodnikiem protonów o strukturze kryształu sillenitu. Drugi, który ma strukturę eulitu – szybką ścieżkę przewodzenia protonów, która różni się od ścieżek przewodzenia obserwowanych w perowskitach. Obecnie wydajność tych tlenków jako elektrolitów jest niska, ale dzięki dalszym badaniom zespół badawczy uważa, że ich przewodnictwo można poprawić.
– Nasza struktura może znacznie rozszerzyć przestrzeń poszukiwań tlenków przewodzących proton, a tym samym znacznie przyspieszyć rozwój stałotlenkowych ogniw paliwowych. To obiecujący krok w kierunku stworzenia społeczeństwa wodorowego. Z niewielkimi modyfikacjami, ta struktura może być również dostosowana do innych dziedzin materiałoznawstwa i potencjalnie przyspieszyć rozwój wielu innowacyjnych sektorów – podsumowuje profesor Yamazaki.
Więcej informacji na temat tych badań można znaleźć w artykule źródłowym „Discovery of Unconventional Proton-Conducting Inorganic Solids via Defect-Chemistry-Trained, Interpretable Machine Learning” Susumu Fujii, Yuta Shimizu, Junji Hyodo, Akihide Kuwabara, Yoshihiro Yamazaki, Advanced Energy Materials, https://doi.org/10.1002/aenm.202301892.
Źródło: Kyushu University
