来自桑迪亚国家实验室和国际合作者的研究人员使用计算方法，包括可解释的机器学习模型，来阐明具有吸引人的储氢特性的新的高熵合金，并直接进行实验室合成和验证。功劳:Matthew Witma n A Sandia国家实验室的材料科学家和计算机科学家团队与一些国际合作者一起，花了一年多的时间创造了12种新合金——并对数百种新合金进行建模——展示了机器学习如何通过更容易地为消费者创造氢基础设施来帮助加速氢能的未来。维塔利·斯塔维拉、马克·艾伦多夫、马修·威特曼和萨潘·阿加瓦尔是桑迪亚团队的一员，他们与瑞典昂斯特罗姆实验室和英国诺丁汉大学的研究人员一起发表了一篇论文，详细介绍了他们的方法。
威特曼说:“储氢研究有着丰富的历史，还有描述氢与不同材料相互作用的热力学值数据库。“有了现有的数据库、各种机器学习和其他计算工具，以及最先进的实验能力，我们组建了一个国际合作小组来共同努力。我们证明了机器学习技术确实可以模拟氢与金属相互作用时发生的复杂现象的物理和化学。”
拥有预测热力学性质的数据驱动建模能力可以快速提高研究速度。事实上，一旦被构建和训练，这种机器学习模型只需要几秒钟就可以执行，因此可以快速筛选新的化学空间:在这种情况下，600种材料显示出储氢和传输的前景。
“这仅用了18个月就完成了，”艾伦多夫说。“如果没有机器学习，可能需要几年时间。当你考虑到从历史上看，李可需要20年才能把一种材料从实验室发现到商业化，这是很大的。”
改变氢能储存的潜力
该团队还在他们的工作中发现了其他一些东西——这些结果对氢燃料电池加油站的小规模氢气生产有着巨大的影响。
“这些高熵合金氢化物可以在氢气通过不同材料时实现自然的级联压缩，”斯塔维拉说，并补充说压缩氢气传统上是通过机械过程完成的。
他描述了用这些不同的合金建造多层储罐。当氢气被泵入罐中时，第一层压缩气体通过材料。第二层通过不同合金的所有层进一步压缩氢气，自然地使氢气可用于发电的发动机。
海平面大气条件下产生的氢气压力约为1巴——压力的公制单位。要想用燃料电池为汽车或其他发动机提供动力，氢气必须被加压——压缩——到更高的压力。例如，燃料电池充电站的氢气必须具有800巴或更高的压力，这样它就可以作为700巴的氢气分配到燃料电池氢能汽车中。
斯塔维拉解释说:“当氢穿过这些层时，它会在没有机械力的情况下受到越来越大的压力。“理论上，你可以泵入1巴氢气，然后排出800巴——这是充氢站所需的压力。”
Agarwal说，该团队仍在完善该模型，但由于该数据库已经通过能源部公开，一旦该方法被更好地理解，使用机器学习可能会在包括材料科学在内的无数领域取得突破。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
