سینتیک غیرخطی واکنش های الکتروشیمیایی در نانو سلول های سوختی با رویکردهای داده محور

نانو سلول های سوختی به دلیل نسبت سطح به حجم بالا و فعالیت کاتالیستی بهبود یافته، به عنوان فناوری موثر و نویدبخش در حوزه تبدیل انرژی نسل جدید مطرح هستند. با این حال، تحلیل دقیق مکانیسم واکنش های الکتروشیمیایی در این سامانه ها به دلیل غیرخطی بودن فرآیندها و وابستگی شدید به پارامترهای ساختاری در مقیاس نانو، چالشی مهم محسوب می شود. مدل های فیزیکی کلاسیک معمولا نیازمند حل معادلات پیچیده و پرهزینه محاسباتی هستند و در بسیاری از موارد قادر به توصیف کامل رفتار سیستم نیستند. در این مطالعه، یک چارچوب مدل سازی داده محور برای تحلیل و پیش بینی مکانیسم واکنش های الکتروشیمیایی در نانو سلول های سوختی بیان شده است. در این رویکرد، با استفاده از داده های شبیه سازی شده و یا تجربی شامل پارامترهایی نظیر چگالی جریان، پتانسیل اعمالی، دما و ویژگی های نانوساختاری کاتالیست، مدل های یادگیری ماشین برای استخراج روابط غیرخطی حاکم بر سینتیک واکنش ها توسعه داده شده اند. عملکرد مدل ها با استفاده از معیارهای آماری ارزیابی شده و نتایج نشان دهنده دقت بالای پیش بینی و توانایی مدل در شناسایی عوامل کلیدی موثر بر رفتار الکتروشیمیایی سیستم است. یافته های این پژوهش نشان می دهد که روش های داده محور می توانند به عنوان ابزاری مکمل و کارآمد در کنار مدل های فیزیکی، بینش عمیق تری نسبت به مکانیسم های واکنش در نانو سلول های سوختی فراهم آورده و مسیر طراحی و بهینه سازی این سامانه ها را تسهیل کنند.

کلیدواژه ها:

نانو سلول سوختی ، سینتیک الکتروشیمیایی ، مدل سازی داده محور ، یادگیری ماشین ، تحلیل حساسیت ویژگی ها