原创 ScienceAI ScienceAI

编辑 | 绿萝

为了保障能源供应和应对气候变化，人们的焦点从化石燃料转向清洁和可再生能源，氢以其高能密度和清洁低碳的能源属性可以在能源转型变革中发挥重要作用。

氢燃料电池，尤其是质子交换膜燃料电池 (PEMFC)，由于其高能量转换效率和零排放操作，成为这场绿色革命的关键。

PEMFC 通过电化学过程将氢转化为电能，反应的唯一副产品是纯水。然而，如果水不能正常流出电池，随后「淹没」系统，PEMFC 可能会变得低效。到目前为止，由于燃料电池体积非常小且结构非常复杂，工程师们很难理解燃料电池内部排水或积水的精确方式。

近日，来自悉尼新南威尔士大学（UNSW）的研究团队开发了一种深度学习算法（称为 DualEDSR），来提高对 PEMFC 内部情况的理解，可以从较低分辨率的 X 射线微计算机断层扫描（micro-CT）中生成高分辨率的建模图像。该工艺已经在单个氢燃料电池上进行了测试，可以对其内部进行精确建模，并有可能提高其效率。

论文一作 Wang 博士表示：「超分辨率算法 DualEDSR 与高分辨率图像相比，将视野提高了约 100 倍。」

研究人员表示，它也可以在未来用于人体 X 射线，让医疗专业人员更好地了解体内的微小细胞结构，从而可以更好更快地诊断各种疾病。

该研究以「使用深度学习对质子交换膜燃料电池进行大规模物理精确建模」（Large-scale physically accurate modelling of real proton exchange membrane fuel cell with deep learning）为题，于 2023 年 2 月 14 日发表在《自然通讯》(Nature Communications) 上。

论文链接：https://www.nature.com/articles/s41467-023-35973-8

PEMFC 使用氢燃料发电，是一种安静、清洁的能源，可以为家庭、车辆和工业提供动力。

由于多尺度、多层多孔介质中的多相、多组分、反应动力学，精确的液态水建模本身具有挑战性。此外，目前不充分的成像和建模能力限制了对小区域 (<1 mm^2) 或简化架构的模拟。

图 1：本研究中生成的 PEMFC 域。（来源：论文）

在此，使用 X 射线 micro-CT、深度学习超分辨率、多标签分割和直接多相模拟，实现了水建模的进步。生成的图像是分辨率最高的域（16 mm^2，体素分辨率为 700 nm）和最大的燃料电池直接多相流模拟。这种通用方法揭示了气体扩散层和流场中大面积干燥和淹没区域的多尺度水聚集和传输机制，为具有优化结构和润湿性的下一代 PEMFC 铺平了道路。