Deep Learning for Understanding Multiscale Particle Transport Phenomena Inside Fuel Cells

用于理解燃料电池内部多尺度粒子传输现象的深度学习

基本信息

批准号：
22KF0042
负责人：
徳増崇
金额：
$ 0.96万
依托单位：
Tohoku University
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2023
资助国家：
日本
起止时间：
2023-03-08 至 2025-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22KF0042/
关键词：
固体高分子形燃料電池触媒層水管理深層学習

项目摘要

申請書で計画した通り、まず触媒層内の水輸送をミクロなスケールで深層学習モデリングした。プロトン交換膜型燃料電池の触媒層（CL）内の水管理は、その実用化・普及のために極めて重要である。しかし、水の分布や拡散を得るための高い実験コストや計算コストが、既存の実験手法やシミュレーションアルゴリズムのボトルネックとなっており、ナノスケールでのさらなるメカニズムの解明が必要である。ここでは、分子動力学シミュレーションを、多属性点群データセットと高度な深層学習ネットワークに基づきカスタマイズした解析フレームワークと初めて統合した。これは、トレーニングおよびテストデータセットとして、CL内の水分子のシミュレーション輸送データを生成する我々のワークフローによって達成された。ディープラーニングフレームワークは、CLのマルチボディ固液系を分子スケールでモデル化し、Pt/C基板構造やNafion凝集体から水分子の密度分布や拡散係数へのマッピングを完了させた。予測結果を総合的に解析し、誤差を評価することで、50000対の相互作用するナノ粒子間の異方性の高い相互作用を明らかにし、水和ナフィオン膜の構造と水輸送特性の関係を分子スケールで説明することができた。提案した深層学習フレームワークは、従来の手法と比較して、計算コスト効率、精度、良好な視覚的表示を示している。さらに、燃料電池の異なる構成要素における巨視的および微視的な物質輸送をモデル化する際の一般性を与えるものとなっている。本フレームワークは、CLにおける水分子の分布や拡散をリアルタイムで予測するとともに、CLや燃料電池の他のコンポーネントの構造最適化や設計における統計的有意性を確立することが期待される。

按照应用程序的计划，我们首先在微观尺度上对催化剂层内的水传输进行深度学习建模。质子交换膜燃料电池催化剂层（CL）内的水管理对于其实际应用和广泛使用极其重要。然而，获得水的分布和扩散的高实验和计算成本是现有实验方法和模拟算法的瓶颈，需要进一步阐明纳米尺度的机制。在这里，我们首次将分子动力学模拟与基于多属性点云数据集和先进深度学习网络的定制分析框架相结合。这是通过我们的工作流程生成 CL 中水分子的模拟传输数据作为训练和测试数据集来实现的。深度学习框架在分子尺度上对CL多体固液体系进行建模，完成了从Pt/C基底结构和Nafion聚集体到水分子密度分布和扩散系数的映射。通过综合分析预测结果并评估误差，我们揭示了 50,000 对相互作用的纳米粒子之间的高度各向异性相互作用，并研究了水合 Nafion 膜的结构和水传输特性之间的关系，我能够在分子尺度上解释它。。与传统方法相比，所提出的深度学习框架显示出计算成本效率、准确性和良好的视觉显示效果。此外，它还提供了燃料电池不同组件中宏观和微观质量传输建模的通用性。该框架有望实时预测 CL 中水分子的分布和扩散，并为 CL 和燃料电池其他组件的结构优化和设计建立统计意义。