Melhorando a eficiência das células de combustível através de técnicas de aprendizado de máquina

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br


O desempenho das células de combustível e das baterias de íons de lítio (LiBs) está intimamente relacionado ao modo como os poros ou orifícios no interior de seus eletrodos são organizados e modelados. Essa microestrutura afetará a rapidez com que os LiBs carregam e descarregam e quanta eletricidade uma célula a combustível pode produzir.

Os poros são bem pequenos, na faixa de micrômetros. Devido à sua pequena escala, é difícil estudá-los até a resolução que seria necessária para relacioná-los ao desempenho do dispositivo.

Investigadores do Imperial College de Londres criaram uma maneira de estudar os poros virtualmente. Os cientistas conseguiram executar simulações tridimensionais por meio da aplicação de aprendizado de máquina e, dessa maneira, adquirir conhecimento da microestrutura e, por esse conhecimento, prever o desempenho.

Aprendizagem Profunda e Aceleradores de Partículas

Os pesquisadores empregaram uma técnica de aprendizado de máquina chamada redes adversárias generativas convolucionais profundas (DC-GANs) para gerar dados de imagem tridimensionais da microestrutura. Este método envolveu a aplicação de dados de treinamento obtidos com o uso de um síncrotron.

Um síncrotron é um acelerador circular de partículas que acelera partículas carregadas até que se aproximem da velocidade da luz, produzindo luz muito brilhante, chamada luz síncrotron. Os investigadores podem usar essa luz para estudar matéria tão pequena quanto átomos e moléculas.

Segundo a principal autora Andrea Gayon-Lombardo, do Departamento Imperial de Ciências e Engenharia da Terra, “Nossa técnica nos ajuda a ampliar as baterias e células para ver quais propriedades afetam o desempenho geral. O desenvolvimento de técnicas de aprendizado de máquina com base em imagem como essa pode desbloquear novas maneiras de analisar imagens nessa escala. ”

Leia Também  O PMIC da Maxim atinge o mercado dos ouvidos, reduzindo o BoM em 40% e aumentando a vida útil da bateria em 20%

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br
Um diagrama detalhando a estrutura do algoritmo de aprendizado de máquina e a abordagem usada para aprender a “essência” dos dados microestruturais. Imagem creditada ao Imperial College London

Dificuldades envolvidas na obtenção de quantidades suficientes de dados

O processo de execução de simulações em 3D para prever o desempenho da célula requer um grande corpo de dados. Isso é necessário para que o conjunto de dados seja estatisticamente representativo de toda a célula.

Atualmente, é difícil obter dados de imagem microestruturais suficientes. No entanto, os autores do estudo foram capazes de treinar seu código para gerar conjuntos de dados muito maiores com as mesmas propriedades. Como alternativa, eles poderiam gerar propositalmente estruturas que resultariam em baterias com melhor desempenho, conforme sugestão do modelo.

De acordo com o supervisor do projeto, o Dr. Sam Cooper, da Escola Dyson de Engenharia de Design da Imperial, disse: “As descobertas de nossa equipe ajudarão os pesquisadores da comunidade de energia a projetar e fabricar eletrodos otimizados para melhorar o desempenho das células. É um momento emocionante para as comunidades de armazenamento de energia e aprendizado de máquina, por isso estamos muito satisfeitos por explorar a interface dessas duas disciplinas. ”

Objetivos da pesquisa

Os pesquisadores pretendem aplicar seus métodos na fabricação de eletrodos otimizados para células melhoradas. Na busca desse objetivo, eles limitaram o escopo de seu algoritmo apenas para produzir resultados construtíveis usando a manufatura atual.

Informações valiosas sobre microestruturas

O estudo da microestrutura dos elementos LiB é uma área de pesquisa em andamento. Recentemente, relatamos o trabalho de cientistas do Laboratório Nacional de Aceleradores SLAC do Departamento de Energia dos EUA na Universidade de Stanford. Esses pesquisadores empregaram dados de tomografia de raios-X e aprendizado de máquina. O trabalho de Stanford forneceu informações valiosas sobre a quebra dos catodos LiB.

Leia Também  Guia de ondas faz um retorno em 5G - para antenas

O progresso no entendimento de como os dispositivos de armazenamento e geração de energia funcionam em um nível estrutural atômico é necessário para a busca por uma bateria LiB que permita a ampla adaptação de veículos elétricos. Também possibilitará as baterias menores e mais densas em energia necessárias para o avanço adicional dos dispositivos remotos da borda da IoT, onde a substituição ou recarregamento frequente da bateria impediria o progresso.

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br