寫稿
投稿
隨著桑迪亞國家實驗室的發(fā)現(xiàn)，這種替代能源可能正在向前發(fā)展。
Sandia國家實驗室的一個材料科學家和計算機科學家團隊與國際合作者合作，在去年創(chuàng)造了12種新的合金，朝著一個有意義的方向前進，推動氫燃料生產(chǎn)向前發(fā)展。
經(jīng)過一年的合作，這個團隊創(chuàng)造出了十幾種合金，并且完成了更多的工作。
這一對氫燃料未來的承諾看起來也有相當大的潛力，因為該團隊還建立了數(shù)百種高速合金的模型。這是一個強有力的證明，機器學習可以通過簡化消費者的生產(chǎn)基礎(chǔ)設(shè)施來幫助加速H2能源的未來。
參加桑迪亞隊的有維塔莉·斯塔維拉、馬克·阿蘭多夫、馬修·威特曼和薩潘·阿加瓦爾?？茖W家們在《材料化學》雜志上發(fā)表了一篇論文，詳細介紹了他們的發(fā)現(xiàn)。他們與來自瑞典?ngstr?m實驗室和英國諾丁漢大學的研究人員一起發(fā)表了論文。
該小組的發(fā)現(xiàn)可能有助于發(fā)現(xiàn)用于氫燃料生產(chǎn)的新材料和催化劑。
Witman說:“在儲氫研究方面有著悠久的歷史，并且有一個描述氫與不同材料相互作用的熱力學值的數(shù)據(jù)庫?！薄坝辛爽F(xiàn)有的數(shù)據(jù)庫、各種機器學習和其他計算工具，以及最先進的實驗能力，我們組建了一個國際合作小組來共同努力。我們證明，機器學習技術(shù)確實可以模擬氫與金屬相互作用時發(fā)生的復雜現(xiàn)象的物理和化學現(xiàn)象?！?/span>
該團隊使用了一個數(shù)據(jù)驅(qū)動的模型來預測合金的熱力學性質(zhì)。通過這種方式，他們已經(jīng)顯著加快了研究速度?；谶@一原理的機器學習模型——一旦建立和訓練——只需幾秒鐘就能執(zhí)行，這使得篩選所有新的化學空間成為可能。
在這個特殊的案例中，該團隊能夠篩選600種可能用于氫燃料儲存和傳輸?shù)牟牧稀?/span>
艾倫多夫說:“這僅僅用了18個月的時間?！叭绻麤]有機器學習，這可能需要幾年時間。考慮到從歷史上看，一種材料從實驗室發(fā)現(xiàn)到商業(yè)化大約需要20年的時間，這是很重要的?！?/span>
相關(guān)推薦：
上海硅酸鹽所等在高溫電解水蒸氣制氫技術(shù)研究中獲進展
成都：力爭2025年新增新能源汽車45萬輛，加快城市加氫站規(guī)劃建設(shè)
