Для повышения энергоэффективности и снижения углеродного следа при производстве водородного топлива Фанглинь Че, доцент кафедры химического машиностроения в Политехническом институте Вустера, использует возможности машинного обучения и компьютерного моделирования. Многопрофильная команда, которой она руководит, завершила исследование, опубликованное в журнале Nature Chemical Engineering.
В исследовании использовался искусственный интеллект для идентификации катализаторов, которые могут способствовать более чистому и эффективному производству водорода.
Преодоление вызовов
В статье Че и её команда представляют новую стратегию преодоления двух проблем:
1. Водород часто производят с использованием ископаемого топлива, что приводит к выбросам углекислого газа.
2. Для разложения безуглеродного аммиака на элементы, включая водород, требуются высокие температуры, которые часто достигаются за счёт использования большого количества энергии, полученной из ископаемого топлива, а также рутения — дорогого редкого металла, используемого в качестве катализатора.
Новый подход
Команда Че предлагает снизить углеродный след при производстве водорода путём разложения аммиака с помощью плазменной технологии, что можно сделать при более низких температурах, чем при традиционных химических реакциях. Исследователи также предлагают использовать более распространённые и доступные металлические сплавы, такие как железо-медь или никель-молибден, в качестве катализаторов. Их анализ показал, что этот метод будет использовать меньше энергии и работать так же эффективно, как и текущие подходы к производству водорода.
Использование искусственного интеллекта
При рассмотрении более чем 3300 биметаллических сплавов в качестве возможных катализаторов тестирование каждого из них в лаборатории с помощью традиционных экспериментов заняло бы много времени. Используя компьютерные модели и искусственный интеллект, команда Че разработала интерпретируемые алгоритмы машинного обучения для выявления распространённых в земной коре металлических сплавов, которые превосходят рутениевые катализаторы при плазменном разложении аммиака.
Эта комбинация моделирования и машинного обучения упростила процесс, быстро исключив неподходящие материалы, и определила шесть кандидатов из распространённых и легкодоступных некритических минералов. Лабораторные испытания подтвердили ожидаемую производительность металлических сплавов, и в итоге исследователи выбрали четыре сплава в качестве лучших катализаторов.
Команда Че считает, что этот новый подход к производству водорода может быть более доступным и чистым, чем текущие методы. Кроме того, поскольку аммиак легко хранить и транспортировать, этот процесс может обеспечить производство водорода на месте, например, на судах, что позволит использовать водородные топливные элементы для морских судов.
Лаборатория Че MAC (Modeling and AI in Catalysis) в WPI объединила многомасштабное моделирование с интерпретируемым машинным обучением для разработки прогнозов.
«Публикация в Nature Chemical Engineering — это важная веха для нашей лаборатории», — говорит Че. «Мы добиваемся больших успехов, используя вычислительные методы и искусственный интеллект для повышения энергоэффективности и экологичности химических процессов».
Исследователи Даляньского технологического университета в Китае провели лабораторные валидационные эксперименты. Исследователи из Северо-Восточного университета провели экономический и экологический анализ, который показывает, что плазменная технология снижает затраты и выбросы углекислого газа при производстве водорода при внедрении в небольших модульных реакторах.
Предоставлено
Worcester Polytechnic Institute