• 采购项目
  • 配套企业库
  • 销量查询
  • 盖世汽车社区
  • GORE【20190922】
  • 诺博【20190922】
  • 汽车与环境
  • 光+电子论坛回顾
  • 中国汽研-特斯拉
  • CTalk高端系列访谈

原创 RSS

当前位置:首页 > 新材料 > 正文

研究人员利用AI发现新材料 有助于研发更高效燃料电池

盖世汽车 Elisha 2019-08-17 09:44:28

电池,AI,燃料电池,催化剂,甲醇氧化,CRYSTAL系统

(图源:康奈尔官网)

盖世汽车讯 据外媒报道,由康奈尔大学(Cornell)领导的研究小组,利用所开发的人工智能系统发现一种材料,有望制造更高效燃料电池。该系统依赖于众多算法机器人程序,每个执行不同的任务,筛选成百上千的元素组合,创建相位图,即原子之间的排列,人类可以据此确定哪些是可以使用的新材料。

康奈尔大学计算科学教授、主要研究人员Carla Gomes教授表示:“问题迫使我们开发全新的方法,真正推进人工智能前沿领域,获得物理上有意义的解决方案。”当时,研究人员正在寻找一种催化剂,以改进汽车燃料电池。这种催化剂能让汽车用甲醇替代难以储存的氢,甲醇的效率可能要高得多。

加州理工学院的研究员John Gregoire博士表示:“但是,我们已知的材料中,都不能充当有效的甲醇氧化催化剂,因此需要一种新材料。想要找到可行的催化剂,需要对元素周期表上的所有元素进行组合,这个数量太大了,不能做传统实验。”

研究人员还需要了解材料的晶体结构或相结构,因为固体可能具有多种相结构,而每一种结构作为催化剂的行为都不同。“人类可以解决包含两个元素的简单合成系统的相位图,”Gregoire说,“但是,超过两个元素时,人类需要处理的信息太多,因此需要人工智能的帮助。然而,现有机器学习方法并不适合严苛的科学研究。因为解决方案不仅必须是可信的,而且必须遵守物理和化学定律。“

为了迎接这一挑战,Gomes和同事开发名为“晶体”(CRYSTAL)的系统,用于晶体相位映射。该系统包括多个机器人程序,分别负责问题的不同部分,预测各种组合的相位结构,并确保这些预测符合热力学规则。机器学习系统通常学习使用大量带注释的训练数据解决问题。例如,通过标记为“狗”或“猫”的图像集训练区分狗和猫的算法。但是,在此次研究中,没有现成的标记数据,因此,CRYSTAL需要能够从无标记数据中得出推论,这一过程被称为无监督学习。“对于单一系统来说,这将是压倒性的,是不可能实现的。”Gomes 说,“但是,如果我们灵活地将多代理系统集中在一起,就能够快速找到解决方案,并满足所有的条件。“Gomes称,CRYSTAL的灵感部分来自IBM沃森超级计算机。

通过CRYSTAL系统,研究人员识别出一种独特的催化剂,它由三种元素结晶成一定的结构,对甲醇氧化有效,可以用于基于甲醇的燃料电池。Gregoire表示:“这一重要发现,挑战我们对催化的理解,也是设计下一代催化剂的重要研究方向。”






试读已结束

如需阅读全部内容,请查看

*特别声明:本文为技术类文章,禁止转载或大篇幅摘录!违规转载,法律必究。

本文地址:https://yfzjqw.com/News/2019/08/170956385638I70121772C407.shtml

文章标签: 电池

0

好文章,需要你的鼓励