Nat. Commun.：機器學習實現質子交換膜燃料電池大尺度精確建模

一、【導讀】

質子交換膜燃料電池（PEMFCs）消耗氫氣和氧氣，來產生清潔的電力和水，具有高能量轉換效率和零排放的優點。PEMFCs的性能高度依賴于燃料和氧化劑氣體在陽極和陰極的擴散和利用，以及對陰極產生的水的有效管理。在高負荷下，生成的水可能使氧氣（空氣）的載濕能力飽和，并在多孔介質中凝結成液滴。如果不能充分去除，液態水將最終積聚在微孔氣體擴散層（GDL）和微孔層（MPL）中，阻礙氣體擴散到活性部位，從而淹沒PEMFC。因此，水淹和脫水之間的平衡對于高性能PEMFCs至關重要。由于多尺度、多層多孔介質中的多相、多組分、反應動力學，精確的液態水建模本身具有挑戰性。此外，目前不充分的成像和建模能力限制了對小區域（<1 mm²）或簡化架構的模擬。

?二、【成果掠影】

近日，澳大利亞新南威爾士大學的Quentin Meyer博士、趙川教授和Ryan T. Armstrong教授等人利用X射線微計算機斷層掃描、深度學習超分辨率、多標簽分割和直接多相模擬，實現了水建模的進步。結合分辨率和視場的上限，一幅275×1000×2000體素（2.8 μm）的低分辨率、低質量圖像通過創新的卷積神經網絡（CNN）架構在700 nm處被超分辨到1100×4000×8000體素。然后通過CNN對膜、催化劑層、MPL、GDL、孔隙空間和氣體通道進行分割，生成的圖像用于在超級計算集群上使用單相和多相LBM來模擬水和氣的輸送。這一改進代表了PEMFCs成像和建模能力的幾個數量級的進步。這種可推廣的方法揭示了氣體擴散層和流場中大面積脫水和水淹地區的多尺度水聚集和傳輸機制，為具有優化結構和可濕潤性的下一代質子交換膜燃料電池鋪平了道路。研究成果以題為“Large-scale physically accurate modelling of real proton exchange membrane fuel cell with deep learning”發表在知名期刊Nature Communications上。

三、【核心創新點】

利用X射線微計算機斷層掃描、深度學習超分辨率、多標簽分割和直接多相模擬，實現了水建模的進步，這一改進代表了PEMFCs成像和建模能力的幾個數量級的進步。

四、【數據概覽】?

圖1? 本研究中生成的PEMFC結構域 ? 2023 The Authors

具有人工覆蓋的流動通道的分段膜電極組件的2D和3D繪制。

圖2? Micro-CT成像，深度學習超分辨率和多標簽分割 ? 2023 The Authors

（a）PEMFCs物理樣品的照片和顯微CT圖像。

（b-e）低分辨率的2D橫截面（275?×?1000?×?2000體素，2.8?μm）與超分辨率（1100?×?4000?×?8000?體素，700nm）以及利用分割的超分辨域的3D渲染的多標簽分割。

圖3? 超分辨多標簽分割圖像的空間分析 ? 2023 The Authors

（a-b）催化劑層侵入MPL裂縫的二維投影圖和半變異函數，侵入的典型長度可達1.5 mm。

（c-d）GDL擠壓MPL和侵入GDL編織孔的二維投影和自相關范圍為0.25-2 mm的半變異函數。

圖4? PEMFC內的速度場分布 ? 2023 The Authors

（a）在700 nm體素分辨率下，PEMFC圖像的完全分辨速度幅度場。

（b）GDL內部和周圍流動的速度PDFs。

（c）PEMFC的滲透率與圖像分辨率的關系。

圖5? PEMFC中的水-氣流動模擬 ? 2023 The Authors

（a-b）模擬脫水和水淹狀態的流量模式。

（c-e）流動模式顯示液滴從GDL中流出并迅速回到GDL中，形成氣通道下流的孔洞。

（f-g）通過對時間步長進行平均獲得的水占用率，顯示了GDL和氣體通道之間的水流相互作用。

圖6? μ-CT獲得的PEMFC圖像 ? 2023 The Authors

（a）全視野低分辨率（2.8 μm）PEMFC圖像。

（b-c）記錄的低分辨率和高分辨率（700?nm）子域。

圖7? 用于超分辨率和多標簽分割的CNN架構 ? 2023 The Authors

（a）DualEDSR的網絡架構，由2個串聯的EDSR網絡和適當的上采樣層組成。

（b）U-ResNet的架構，包含下采樣作為圖像特征提取和上采樣層用于有效的特征解碼。

?

五、【成果啟示】

研究者利用X射線微計算機斷層掃描、深度學習超分辨率、多標簽分割和直接多相模擬，實現了水建模的進步。結果表明，疏水和多孔的GDL形成了兩種獨立的流動狀態：（1）水通過高孔隙度的通道向上流過GDL，然后從GDL編織孔進入氣體通道，以及（2）氣體通過GDL的纖維內區域擴散到MPL和催化劑層。雖然未進行深入研究，但MPL裂縫應該創造優先的液態水通道，而均勻區域有利于氣體的質量傳遞。雖然本研究模擬都考慮了疏水MPL和GDL，但局部非均勻性可能會顯著影響氣和水的路徑，可以使用類似的方法進一步研究。最后，考慮到非均勻電流密度和熱產生，可以使用電化學建模進一步豐富多相流模型。

原文詳情：Large-scale physically accurate modelling of real proton exchange membrane fuel cell with deep learning (Nat Commun 2023, 14, 745)

本文由大兵哥供稿。