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。