Nature Communications: 具有深度学习的真实质子交换膜燃料电池的大规模物理精确建模
吴宗涵
2023-02-15
质子交换膜燃料电池消耗氢气和氧气来产生清洁的电力和水，因而面临着严重的液态水挑战。但多尺度、多层多孔介质中的多相、多组分、反应动力学，精确的液态水建模仍然面临挑战。此外，目前成像和建模能力不足，因此将模拟局限在了小范围（<1 mm2）或简化的结构。鉴于此，来自新南威尔士大学的Ryan T. Armstrong等人通过使用X射线微计算机断层扫描、深度学习超分辨率、多标记分割和直接多相模拟实现了水建模的突破。
文章要点：
1) 该研究提出的模拟方法所生成的图像具有极高的分辨率（16 mm2，且体素分辨率为700 nm），同时也是燃料电池的最大直接多相流模拟图；
2) 此外，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输送机制，为具有优化结构和耐湿性的下一代质子交换膜燃料电池奠定了良好基础。
参考资料：
Wang, Y.D., Meyer, Q., Tang, K. et al. Large-scale physically accurate modelling of real proton exchange membrane fuel cell with deep learning. Nat Commun 14, 745 (2023).
DOI: 10.1038/s41467-023-35973-8
https://doi.org/10.1038/s41467-023-35973-8
版权声明：
本平台根据相关科技期刊文献、教材以及网站编译整理的内容，仅用于对相关科学作品的介绍、评论以及课堂教学或科学研究，不得作为商业用途。
