新算法有助于生成氢燃料电池的高分辨率图像
质子交换膜燃料电池 (PEMFC) 使用氢燃料发电,是一种安静、清洁的能源,可为家庭、车辆和工业提供动力。
这些燃料电池通过电化学过程将氢气转化为电能,反应的唯一副产品是纯水。
然而,如果水不能正常流出电池并随后“淹没”系统,PEMFC 可能会变得低效。
到目前为止,由于燃料电池体积非常小且结构非常复杂,工程师们很难理解燃料电池内部排水或积水的精确方式。
新的解决方案允许深度学习通过利用细胞的低分辨率 X 射线图像创建详细的 3D 模型,同时从伴随的小部分高分辨率扫描中推断数据。
用更基本的术语来说,这相当于从飞机上拍摄了一张整个城镇的模糊航拍照片,以及一张非常详细的几条街道的照片,然后能够准确预测该地区每条道路的布局整个区域。
“这项研究如此新颖的一个原因是我们正在推动成像所能产生的极限,”阿姆斯特朗教授说。
“这是非常典型的,当你使用一个硬件时,无论是显微镜还是 CT 扫描仪,图像的分辨率会随着你缩小得越多而变得越差。”
“我们的机器学习技术解决了这个问题,并且该方法广泛适用于任何成像发生的地方,例如医疗应用、石油和天然气行业或化学工程。”
“我们之前已经与放射科医生进行了初步的超分辨率工作,我们可以推测,通过从更大的视野中获得更高分辨率的图像,有可能在肿瘤细胞较小时更早地诊断出疾病,例如肿瘤细胞。 ”
该团队的超分辨率算法称为 DualEDSR,与高分辨率图像相比,视野提高了约 100 倍。
在训练和测试期间,该算法在从低分辨率图像生成高分辨率模型时达到了 97.3% 的准确率。
它还在短短 1 小时内生成了高分辨率模型,而使用微型计算机获得燃料电池整个部分的高分辨率图像需要 1188 小时(相当于不间断工作 50 天)。 CT扫描仪。
“从我们的模型中,我们可以快速准确地看到水容易积聚的位置,因此,我们可以帮助解决未来设计中的这些问题,”迈耶博士说。
“在行业内,众所周知,仅通过改进水管理,使用这些电池就可以实现巨大的性能提升,据估计总体提升 60%。”
“在过去的 20 年里,直到现在,由于材料、气体和液体的传输方式以及电化学反应的复杂性,很难对这些燃料电池进行准确的建模。地方。”
“我们的跨学科团队使我们能够做到这一点,将如此多不同的专业知识带到桌面上。这就是研究的意义所在。”
该团队的工作发表在《自然通讯》杂志上。
声明:本站所有文章资源内容,如无特殊说明或标注,均为采集网络资源。如若本站内容侵犯了原著者的合法权益,可联系本站删除。