客户端

新材料在线APP下载

寻材问料下载

开通会员

登录/注册

热门媒体号

热门企业号

桑迪亚团队开发出新型高熵合金 具有较好储氢性能

来源:盖世汽车网|

发表时间:2021-10-09

点击:1816

据外媒报道,桑迪亚国家实验室(Sandia National Laboratories)的研究人员和国际伙伴采用可解释的机器学习模型等计算方法,开发出新型高熵合金,不仅具有较好储氢性能,且可直接在实验室合成和验证。


针对特定用例优化的固态储氢材料可能是氢经济转型的关键促进因素。然而,这么多年来,开发新型氢化材料一直是由化学直觉或实验试错驱动的手动过程。数据驱动材料的发现范式提供了传统方法的替代方案,其中机器/统计学习(ML)模型用于有效筛选材料以获得所需特性,并显著缩小昂贵/耗时的第一性原理建模和实验验证的范围。


桑迪亚团队成员有Vitalie Stavila、Mark Allendorf、Matthew Witma和Sapan Agarwal。Witman表示:“我们特别关注一类相对较新的储氢材料,即高熵合金(HEA)氢化物,其巨大的组合成分空间和局部结构无序需要一种不依赖于精确晶体结构的数据驱动方法来进行性能预测。我们的ML模型可快速筛选大型HEA空间内的氢化物稳定性,并允许根据目标热力学特性和次要标准(例如合金相稳定性和密度)进行选择以进行实验室验证。”


他还称:“人们已经对储氢研究,以及氢与不同材料相互作用的热力学值数据库进行了大量研究。凭借现有的数据库、各种机器学习和其他计算工具以及最先进的实验能力,我们组建了一个国际合作小组,共同开展这项工作。我们证明,机器学习技术确实可以模拟氢与金属相互作用时发生的复杂物理和化学现象。”


通过数据驱动的建模来预测热力学特性可以迅速提高研究速度。这种机器学习模型成功构建和训练后,只需几秒钟即可执行,因此可以快速筛选新的化学空间:在这种情况下,有600种材料显示出氢储存和传输的可能。


Mark Allendorf称:“仅需18个月,该项目就可以完成。而如果没有机器学习,它可能需要几年时间。之前,将材料从实验室发现到实现商业化大约需20年的时间时,因此这一发现非常重要。”


Stavila称该团队还发现,这些高熵合金氢化物可以在氢通过不同材料时实现自然级联压缩。而传统上压缩氢气是通过机械过程完成的。这一发现可能对氢燃料电池加气站的小规模制氢产生重大影响。


在海平面大气条件下产生的氢气的压力约为1巴。燃料电池充电站的氢气必须具有800巴或更高的压力,以便可以将其作为700巴的氢气分配到燃料电池氢汽车中。


Stavila对一个采用多层不同合金的储罐进行了描述。当氢气被泵入罐中时,第一层会在气体通过材料时对其进行压缩。第二层通过不同合金的所有层进一步压缩气体,依此类推。


Vitalie Stavila表示:“当氢气通过这些金属层时,它会在没有机械作用的情况下逐渐增压。理论上,您可以泵入1巴的氢气并排出800巴,而这也是氢气充电站所需的压力。”


Agarwal称,该团队仍在完善模型,但由于该数据库已经通过能源部公开,一旦获得更好的理解,机器学习可能帮助材料科学等众多领域取得突破。


封面图源自于图虫创意

新材料行业专家咨询服务

[声明]本文来源于互联网转载,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性、准确性等负责,尤其不对文中产品有关功能性、效果等提供担保。本站文章版权归原作者所有,内容为作者个人观点,本站提醒读者,文章仅供学习参考,不构成任何投资及应用建议,如需转载,请联系原作者。如涉及作品内容、版权和其它问题,请与我们联系,我们将在第一时间处理!本站拥有对此声明的最终解释权。

点击咨询

客服

下载APP

公众号

让客服与您联系

留下您的联系方式,让客服为您提供专属服务

关闭