ارزیابی دوام غشای پیل سوختی پلیمری با مدل های ترکیبی هوش مصنوعی پویا

مسیر تجاری سازی پیل های سوختی پلیمری عمدتا با چالش های مرتبط با دوام محدود شده است که در میان آنها تخریب غشا به عنوان یک گلوگاه بحرانی مطرح می باشد. این تخریب از طریق مکانیسم های متعددی شامل کاهش هدایت یونی، نفوذ متقاطع گازها و افت عملکرد ظاهر می گردد. روش های هوش محاسباتی به ویژه رویکردهای یادگیری ماشین در برگیرنده معماری های سطحی و عمیق، قابلیت فوق العاده ای در شناسایی روابط غیرخطی پیچیده بین پارامترهای عملیاتی و سینتیک تخریب از خود نشان داده اند. این روش ها امکان مدیریت پیشگویانه سلامت پیل سوختی را از طریق تشخیص زودهنگام عیب و برآورد عمر مفید باقیمانده فراهم می سازند، به طوری که اغلب مطالعات اعتبارسنجی دقت پیش بینی فراتر از ۸۵ را گزارش نموده اند. علاوه بر این، غربالگری مواد با هوش مصنوعی به عنوان ابزاری قدرتمند برای تسریع توسعه غشاهای نسل آینده از طریق ایجاد روابط مستحکم ساختار-ویژگی ظهور یافته است. علیرغم این پیشرفت ها، پیش بینی دقیق تخریب کماکان تحت تاثیر پیوند پیچیده پدیده های الکتروشیمیایی-حرارتی در شرایط عملیاتی پویا قرار دارد. برای مواجهه با این محدودیت ها این پژوهش بر چارچوب های مدل سازی تلفیقی که اصول فیزیکی را با رویکردهای داده محور تلفیق می کنند، تاکید می نماید. مقاله حاضر، تمرکز اولویت پژوهش های آتی را بر سه محور اساسی شامل توسعه مدل های تفسیرپذیر، تکمیل رویکردهای تلفیقی آگاه از فیزیک و غنی سازی بانک های داده جامع تجربی قرار می دهد. این نوآوری های روش شناختی طراحی بهینه غشا و پیش بینی دوام را تسهیل نموده و در نهایت بلوغ فناوری پیل سوختی را برای کاربردهای انرژی پایدار تسریع می کند.

کلیدواژه ها:

پیل سوختی ، غشای پلیمری ، پیش بینی تخریب ، طول عمر و دوام ، هوش مصنوعی ، یادگیری ماشین