نوآوری مبتنی بر هوش مصنوعی در الکترولیتهای پیل سوختی: مروری بر کاربردهای یادگیری عمیق و یادگیری ماشین
- سال انتشار: 1404
- محل انتشار: نهمین کنفرانس ملی نوآوری و فناوری علوم زیستی و شیمی ایران
- کد COI اختصاصی: BCBCN09_020
- زبان مقاله: فارسی
- تعداد مشاهده: 57
نویسندگان
دانشکده مهندسی انرژی و منابع پایدار، دانشکدگان علوم و فناوریهای میان رشته ای، دانشگاه تهران
دانشکده شیمی، دانشکدگان علوم، دانشگاه تهران
چکیده
توسعه ی الکترولیتهای پیل سوختی کارآمد و بادوام برای پذیرش گسترده ی این فناوری انرژی پاک، حیاتی است. این مقاله ی مروری پیشرفتهای اخیر در به کارگیری الگوریتمهای یادگیری عمیق و یادگیری ماشین را به منظور سرعت بخشیدن به توسعهی الکترولیتهای نوین پیل سوختی بررسی می.کند. این مقاله اصول بنیادین پیلهای سوختی و چالشهای خاص مرتبط با مواد الکترولیت آنها را مورد واکاوی قرار میدهد. مقاله به تفصیل الگوریتمهای مختلف هوش مصنوعی یادگیری ماشین به کار گرفته شده در این حوزه از جمله شبکههای عصبی ماشینهای بردار پشتیبان جنگلهای تصادفی و الگوریتمهای ژنتیک را شرح میدهد. از طریق تحلیل مطالعات موردی در انواع مختلف پیلهای سوختی مانند پیلهای سوختی غشاء پلیمری (PEMFC)، پیلهای سوختی اکسید جامد (SOFC) و پیلهای سوختی قلیایی (AFC) این مرور، بهبودهای کمی عملکرد به دست آمده از طریق رویکردهای مبتنی بر هوش مصنوعی یادگیری ماشین را برجسته میسازد. علاوه بر این، این مقاله چالشها و محدودیتهای استفاده از AIML در این زمینه مانند در دسترس بودن داده ها و تفسیر پذیری مدل را مورد بحث قرار میدهد و مسیرهای آینده از جمله یکپارچه سازی با غربالگری با توان بالا (high-throughput) (screening و پتانسیل کشف مستقل خودکار) مواد را کاوش می.کند. پتانسیل تحول آفرین هوش مصنوعی در ایجاد انقلابی در توسعه ی الکترولیت پیل سوختی برای آیندهی انرژی پایدار مورد تاکید قرار گرفته است.کلیدواژه ها
یادگیری ماشین, یادگیری عمیق, یادگیری ماشین, پیل سوختی, الکترولیتمقالات مرتبط جدید
- استروئیدها، فواید، خطرات و واقعیت ها
- پاسخ آنزیمهای آنتی اکسیدانی (CAT و SOD) و ظرفیت اکسیداتیو کل (TOS) گوجه فرنگی (Solanum lycopersicum L) به تیمار نانوذرات اکسید روی
- ارزیابی تجمع میکروپلاستیکها در وزغ سبز (Bufotes sitibulus به عنوان شاخص زیستی در چشمه بلاغ استان مرکزی با استفاده از AFM و FTIR
- Strategies for Controlling Future Pandemics Similar to COVID-۱۹: A Systematic Review
- بررسی عملکردی کاربرد پلیمرها و نانوکامپوزیتهای پلیمری در فرآیند ازدیاد برداشت نفت: مروری بر چالشها و چشم اندازها
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.