Нейронные сети могут помочь в разработке источников энергии нового поколения.

Характеристики топливных ячеек и литий-ионных батарей тесно связаны с их микроструктурой, например с размером и формой пор. Эти поры трудно поддаются анализу из-за своего маленького размера, но их изучение необходимо в разработке будущих конструкций. Обычно приходится сначала создавать устройство, а потом уже исследовать его свойства. Чтобы не расходовать впустую материалы и знать заранее свойства получаемого изделия, можно подключить к работе нейронные сети.

Исследователи применили метод машинного обучения и трехмерное моделирование, чтобы предсказать производительность батарей на основе их микроструктуры. Они использовали метод машинного обучения, который называется «свёрточные генеративные состязательные сети глубокого обучения» (DCGAN). Этот алгоритм может научиться генерировать данные трехмерного изображения микроструктуры на основе предварительных «обучающих» данных, полученных из разных изображений нанометровых структур.

Улучшения могут включать: ускорение зарядки смартфонов, увеличение времени между подзарядками электромобилей и увеличение мощности топливных ячеек. Минусом является то, что для работы алгоритма необходимо большое количество изображений с хорошим разрешением, что в настоящее время получить очень затруднительно.

Источник: www.sciencedaily.com

Комментарии: