Un equipo de científicos de materiales e informáticos de Sandia National Laboratories, con algunos colaboradores internacionales, ha dedicado más de un año a crear 12 nuevas aleaciones -y a modelar cientos más- que demuestran cómo el aprendizaje automático puede ayudar a acelerar el futuro de la energía del hidrógeno facilitando la creación de infraestructuras de hidrógeno para los consumidores.
Vitalie Stavila, Mark Allendorf, Matthew Witman y Sapan Agarwal forman parte del equipo de Sandia que ha publicado un artículo en el que se detalla su enfoque junto con investigadores del Laboratorio de Ångström (Suecia) y la Universidad de Nottingham (Reino Unido).
Existe una rica historia en la investigación sobre el almacenamiento de hidrógeno y una base de datos de valores termodinámicos que describen las interacciones del hidrógeno con diferentes materiales. Con esa base de datos existente, un surtido de herramientas de aprendizaje automático y otras herramientas computacionales, y capacidades experimentales de última generación, reunimos un grupo de colaboración internacional para unir fuerzas en este esfuerzo. Demostramos que las técnicas de aprendizaje automático podían modelar la física y la química de los complejos fenómenos que se producen cuando el hidrógeno interactúa con los metales.
Matthew Witman.
Disponer de una capacidad de modelización basada en datos para predecir las propiedades termodinámicas puede aumentar rápidamente la velocidad de la investigación.
De hecho, una vez construidos y entrenados, estos modelos de aprendizaje automático sólo tardan unos segundos en ejecutarse y, por lo tanto, pueden cribarse rápidamente nuevos espacios químicos: En este caso, 600 materiales prometedores para el almacenamiento y la transmisión de hidrógeno.
Esto se logró en sólo 18 meses. Sin el aprendizaje automático podría haber llevado varios años. Eso es grande si se tiene en cuenta que históricamente se tarda algo así como 20 años en llevar un material desde el descubrimiento en el laboratorio hasta su comercialización.
Mark Allendorf
Potencial para cambiar el almacenamiento de energía del hidrógeno.
El equipo también encontró algo más en su trabajo: resultados que tienen implicaciones importantes para la generación de hidrógeno a pequeña escala en las estaciones de servicio de pilas de combustible de hidrógeno.
Estos hidruros de aleación de alta entropía podrían permitir una compresión natural en cascada del hidrógeno a medida que se desplaza por los distintos materiales. La compresión del hidrógeno se realiza tradicionalmente mediante un proceso mecánico.
Vitalie Stavila.
Describe la construcción de un tanque de almacenamiento con múltiples capas de estas diferentes aleaciones. Cuando se bombea hidrógeno al depósito, la primera capa comprime el gas a medida que se desplaza por el material. La segunda capa lo comprime aún más y así sucesivamente a través de todas las capas de diferentes aleaciones, lo que naturalmente hace que el hidrógeno se pueda utilizar en motores que generan electricidad.
El hidrógeno producido en condiciones atmosféricas a nivel del mar tiene una presión de aproximadamente 1 bar, la unidad métrica de presión. Para que el hidrógeno alimente un vehículo o algún otro motor de una pila de combustible, debe ser presurizado -comprimido- a una presión mucho mayor. Por ejemplo, el hidrógeno en una estación de carga de pilas de combustible debe tener una presión de 800 bares o más para que pueda ser dispensado como hidrógeno de 700 bares en los vehículos de hidrógeno de pila de combustible.
A medida que el hidrógeno se desplaza por esas capas, se presuriza cada vez más sin esfuerzo mecánico. En teoría, se podría bombear 1 bar de hidrógeno y obtener 800 bares, la presión necesaria para las estaciones de carga de hidrógeno.
Vitalie Stavila.
El equipo todavía está perfeccionando el modelo, pero como la base de datos ya es pública a través del Departamento de Energía, una vez que el método se comprenda mejor, el uso del aprendizaje automático podría conducir a avances en una variedad de sectores, incluida la ciencia de los materiales.
Más información: acs.org
Deja una respuesta