Характеризующих материалов, что в конечном итоге может помочь сохранить энергию

Возобновляемые технологии являются перспективным решением для решения глобальных энергетических потребностей на устойчивой основе.

Однако, широкое внедрение возобновляемых источников энергии от солнца, ветра, биомассы и более отставали, отчасти потому, что их сложно хранить и транспортировать.

Как поиск материалов для эффективного решения этих потребностей хранения и транспорта, Университет штата Делавэр исследователи из Центра катализа для энергетических инноваций (ККЕИ) доклад новые методики для определения характеристик сложных материалов с потенциалом, чтобы преодолеть эти проблемы.

Исследователи недавно сообщили о своей технике в природе связи.

Видя деталей, а также весь

Существующие в настоящее время технологии, характеризующий высокоупорядоченная поверхностей с конкретными повторяющиеся модели, такие как кристаллы. Описания поверхностей с повторяющимся рисунком-это проблема сложнее.

УД докторант и 2019-2020 Синих Водах выпускника Джош Лансфорд и Дион Vlachos, который руководит как ККЕИ и Делавэр энергетического института и является Аллан и Майра Фергюсон профессор химической и биомолекулярной инженерии, разработали метод наблюдения за местными поверхности структуры частицы в деталях, одновременно сохраняя всю систему в вид.

Подход, который использует машинное обучение, методы анализа данных и моделей подкован в физике, позволяет исследователям визуализировать в трехмерной структуре материала они заинтересованы в вблизи, но и в контексте. Это означает, что они могут изучать конкретные частиц на поверхности материала, но и смотреть, как структура частиц меняется-через некоторое время, в присутствии других молекул и при различных условиях, таких как температура и давление.

Положить к использованию, методика исследования команды поможет инженерам и ученым выявить материалы, которые могут улучшить технологии хранения данных, таких как топливные элементы и батареи, мощность которых в нашей жизни. Такие улучшения необходимы, чтобы помочь эти важные технологии полностью реализовать свой потенциал и стать более массовым.

«В целях оптимизации электрохимических технологий хранения, таких как топливные элементы и батареи, мы должны понять, как они работают и как они выглядят», — сказал Лансфорд, в статье ведущий автор, кто вам на УД по Vlachos, проекта руководитель проекта.

«Мы должны понимать структуру материалов, которые мы обеспечиваем, в деталях, так что мы можем воссоздать их эффективно в особо крупных размерах или изменять их, чтобы изменить их стабильности».

Численное моделирование

Лансфорд признает, что это слишком дорого и трудоемко для моделирования сложных структур напрямую. Вместо этого, они принимают данные, полученные от одного пятна на поверхности материала, и масштабировать его, чтобы быть репрезентативными для различных катализаторов на многих поверхностях из различных материалов.

Представьте себе куб, состоящий из многих атомов. Атомы расположены по углам куба будут иметь различные свойства, чем, скажем, атомов, расположенных на одной стороне куба. Это потому, что на углах, немногие атомы будут соединяться друг с другом и атомы могут быть расположены ближе друг к другу. В то время как на стороне куба, больше атомов будут подключены, хотя они могут быть расположены дальше друг от друга.

То же самое верно для каталитических материалов. Даже если мы не можем увидеть их невооруженным глазом, частиц, которые составляют катализатора адсорбируются на различных сайтах на материале … и эти сайты имеют различные кромки, неровности и другие вариации, которые влияют на то, как материалов, расположенных там будет себя вести. Из-за этих различий, ученые не могут просто использовать один номер, чтобы попытаться оценить, что происходит по всей поверхности материала, поэтому они должны оценить, что эти поверхности выглядят.

По данным Лансфорд, это где компьютерное моделирование может помочь.

Исследовательская группа использовала экспериментальных измерений различных длин волн инфракрасного света и машинного обучения для предсказания и описания химических и физических свойств различных поверхностей материалов. Модели были полностью обучены математически сгенерированных данных, позволяя им визуализировать различные варианты при различных условиях.

Они разработали специальное программное обеспечение с открытыми исходниками для применения метода на различных металлов, материалов и адсорбатов. Методология является достаточно гибкой, чтобы быть использованы с другими спектроскопическими методами, за пределами инфракрасного света, так что другие ученые и инженеры могут модифицировать программное обеспечение для продвижения собственных работ.

«Эта работа вводит совершенно новый способ мышления о том, как преодолеть разрыв между реальными материалами и четкую модель системы, взносы на поверхности науки и машинного обучения, что стоять на своих собственных», — сказал Лансфорд.

сделать разницу: спонсорские возможности