>> هوش مصنوعی کاتالیزور جدیدی برای تولید هیدروژن سبز ارزانتر و پایدارتر کشف کرد >> تولید هیدروژن سبز به عنوان یکی از کلیدیترین راهکارهای انتقال به انرژیهای پاک، همواره با چالشهای هزینه بالا و وابستگی به فلزات نادر روبرو بوده است. محققان با بهرهگیری از قدرت محاسبه هوش مصنوعی، گامی مهم در جهت حل این معضلات برداشتهاند.
محدودیتهای روش سنتی الکترولیز در روش رایج فعلی، جریان برق حاصل از منابع تجدیدپذیر از میان دو الکترود فلزی در آب عبور داده میشود تا هیدروژن و اکسیژن جدا شوند. این فرآیند نه تنها مصرف انرژی بالایی دارد، بلکه برای کاتالیزورها به فلزات گرانقیمت و کمیاب مانند پلاتین و ایریدیوم وابسته است که مقیاسدهی صنعتی را دشوار میکند.
طراحی کاتالیزور با الگوریتمهای هوشمند تیم تحقیقاتی مشترک شامل محققان دانشگاه ساسکاچوان و مرکز نور کانادا، با توسعه یک الگوریتم پیشرفته هوش مصنوعی، موفق شدند فضای گسترده ترکیبات مواد را برای یافتن کاتالیزور بهینه پیمایش کنند.
جهاد عابد، از اعضای این تیم، اشاره میکند که جستجوی دستی میان صدها میلیون ترکیب احتمالی غیرممکن است، اما هوش مصنوعی توانسته بیش از ۳۶ هزار ترکیب اکسید فلزی را به سرعت شبیهسازی و بهترین گزینهها را غربالگری کند. ترکیب برنده آلیاژ روتنیوم، کروم و تیتانیوم نتایج شبیهسازیها با استفاده از اشعه ایکس پرقدرت در مرکز نور کانادا و منبع فوتون پیشرفته آزمایشگاه ملی آرگون در شیکاگو تأیید شد.
مشاهدات در سطح اتمی نشان داد که آلیاژی با نسبتهای خاص از روتنیوم، کروم و تیتانیوم، عملکرد فوقالعادهای در پایداری و فعالیت کاتالیستی دارد. بهبود ۲۰ برابری در پایداری و کارایی این کاتالیزور طراحیشده با هوش مصنوعی، از نظر دوام و پایداری در طول فرآیند الکترولیز، ۲۰ برابر بهتر از نمونههای پیشین عمل کرده و کارایی انرژی را به شدت افزایش داده است.
این پیشرفت مستقیماً به معنای کاهش چشمگیر هزینههای سرمایهگذاری و عملیاتی برای تولید هیدروژن سبز است. آینده مقیاسدهی صنعتی و تحقیقات آتی با وجود نتایج مشوق در مقیاس آزمایشگاهی، محققان بر ضرورت انجام تستهای گستردهتر در شرایط واقعی- برای اطمینان از عملکرد بلندمدت تأکید دارند.
این دستاورد نشان میدهد که هوش مصنوعی میتواند به عنوان موتور کشف مواد، چرخه توسعه فناوریهای انرژی پاک را از سالها به ماهها کاهش دهد و مسیر رسیدن به اقتصاد هیدروژنی را هموارتر سازد. >>