Un nuovo strumento basato sull’intelligenza artificiale (IA) ha dimostrato di essere in grado di individuare difetti e danni in una delle strutture cruciali dei motori a idrogeno (H2) con una velocità impressionante, cento volte maggiore rispetto agli strumenti tradizionali. Lo studio che ha portato a questa scoperta è stato condotto dal Korea Institute of Energy Research e pubblicato sulla rivista Applied Energy. Gli autori dello studio si sono concentrati su uno dei materiali fondamentali nelle celle a combustibile dei motori a idrogeno: la carta in fibra di carbonio. Questo materiale, composto da fibre di carbonio, adesivi e rivestimenti, subisce nel tempo cambiamenti nella disposizione, nella struttura e nelle condizioni del rivestimento, il che porta a un calo delle prestazioni della cella a combustibile. Per questa ragione, l’analisi della microstruttura della carta in fibra di carbonio è diventata una fase cruciale nella diagnosi delle condizioni dei motori a idrogeno.
Per superare i limiti dei metodi di analisi tradizionali, il team di ricerca ha sviluppato una tecnologia che consente di analizzare la microstruttura della carta in fibra di carbonio utilizzando la diagnostica a raggi X, abbinata a un modello di apprendimento delle immagini basato sull’intelligenza artificiale. Questo approccio innovativo consente un’analisi estremamente precisa, eliminando la necessità di utilizzare un microscopio elettronico. Il risultato è una diagnosi delle condizioni che avviene quasi in tempo reale, rendendo il processo significativamente più rapido ed efficiente.
Il team di ricerca ha anche addestrato un algoritmo di apprendimento automatico con oltre 5.000 immagini estratte da più di 200 campioni di carta in fibra di carbonio. Il modello così addestrato è stato in grado di prevedere la distribuzione 3D e la disposizione dei componenti chiave della carta con una precisione superiore al 98%. Questo livello di precisione consente di confrontare lo stato iniziale della carta con il suo stato attuale, identificando immediatamente le cause della degradazione delle prestazioni. In contrasto con il metodo di analisi convenzionale, che richiede almeno due ore per essere completato utilizzando un microscopio elettronico, il modello sviluppato dal team può identificare la degradazione, le aree danneggiate e l’entità del danno in pochi secondi, utilizzando solo apparecchiature di tomografia a raggi X.
Inoltre, il team ha utilizzato i dati raccolti dal modello per studiare sistematicamente come fattori progettuali, come lo spessore della carta in fibra di carbonio e il contenuto di legante, influenzino le prestazioni delle celle a combustibile. I ricercatori hanno anche estratto parametri di progettazione ottimali e proposto un piano di progettazione ideale per migliorare l’efficienza delle celle a combustibile.
Il Dott. Chi-Young Jung, ricercatore principale, ha commentato: “Questo studio è significativo in quanto migliora la tecnologia di analisi combinando l’intelligenza artificiale con l’utilizzo dello spazio virtuale e identifica chiaramente la relazione tra la struttura e le proprietà dei materiali energetici, dimostrando così la sua applicabilità pratica.”
Vuoi ricevere le notifiche sulle nostre notizie più importanti?