مقالات

مدل داده محور به سرعت موانع هیدروژن زدایی را در مواد حالت جامد پیش بینی می کند


مدل داده محور به سرعت موانع هیدروژن زدایی را در مواد حالت جامد پیش بینی می کند

اعتبارسنجی دقت مدل به دست آمده. اعتبار: هائو لی و همکاران

محققان مدلی مبتنی بر داده را برای پیش بینی موانع هیدروژن زدایی هیدرید منیزیم (MgH) توسعه داده اند.2یک ماده ذخیره‌سازی هیدروژن در حالت جامد امیدوارکننده است. این پیشرفت دارای پتانسیل قابل توجهی برای بهبود فن آوری های ذخیره سازی هیدروژن است، که یک جزء مهم در گذار به راه حل های انرژی پایدار است.

هیدروژن که به دلیل تطبیق پذیری و پتانسیل انرژی پاک شناخته شده است، می تواند از انواع منابع تجدید پذیر تولید شود. مواد ذخیره سازی هیدروژن حالت جامد، به ویژه MgH2به دلیل ظرفیت ذخیره سازی بالا و منابع فراوان، کاندیدهای اصلی برای ذخیره سازی هیدروژن کارآمد در نظر گرفته می شوند.

با این حال، با وجود تحقیقات گسترده در طول پنج دهه گذشته، خواص مواد MgH2 هنوز به اهداف کارایی تعیین شده توسط US-DOE نرسیده اند.

چالش کلیدی در درک اصول اساسی واکنش های ذخیره سازی هیدروژن در حالت جامد است. روش‌های کنونی برای ارزیابی کارایی مواد ذخیره‌سازی هیدروژن بر آنتالپی هیدروژن زدایی و موانع انرژی تکیه می‌کنند، که دومی برای محاسبه بسیار پیچیده و محاسباتی فشرده است. تکنیک‌های جستجوی حالت گذار سنتی، اگرچه در طول زمان اصلاح می‌شوند، اما همچنان گران و زمان‌بر هستند و سرعت کشف و بهینه‌سازی را محدود می‌کنند.

برای پرداختن به این موضوع، تیم تحقیقاتی مدلی را معرفی کرد که موانع هیدروژن زدایی را با استفاده از پارامترهایی که به راحتی محاسبه می‌شوند، پیش‌بینی می‌کند: اوربیتال همیلتونی باند Mg-H و فاصله بین اتم‌های هیدروژن اتمی. با استخراج رابطه فاصله-انرژی، این مدل شیمی اساسی سینتیک واکنش را با نیازهای محاسباتی به طور قابل‌توجهی کمتر در مقایسه با روش‌های مرسوم به تصویر می‌کشد.

مدل داده محور به سرعت موانع هیدروژن زدایی را در مواد حالت جامد پیش بینی می کند

ترکیب توصیفگرها برای سینتیک MgH2 هیدروژن زدایی اعتبار: هائو لی و همکاران

یافته ها هستند منتشر شده در دفتر خاطرات Angewandte Chemie International Edition.

هائو لی، دانشیار موسسه تحقیقات مواد پیشرفته دانشگاه توهوکو (WPI-AIMR) و نویسنده مسئول مقاله گفت: «مدل ما راه سریع‌تر و کارآمدتری برای پیش‌بینی عملکرد هیدروژن زدایی مواد ذخیره‌سازی هیدروژن ارائه می‌کند.» این به ما امکان می‌دهد شکاف دانشی را که از تکنیک‌های تجربی به جا مانده است، پر کنیم و توسعه راه‌حل‌های ذخیره‌سازی هیدروژن بسیار کارآمد را تسریع کنیم.»

قدرت پیش‌بینی مدل در برابر اندازه‌گیری‌های تجربی معمول تایید شد، که توافق عالی را نشان می‌دهد و دستورالعمل‌های طراحی واضحی برای بهبود عملکرد MgH ارائه می‌کند.2. این پیشرفت نه تنها هیدرید منیزیم را به اهداف US-DOE نزدیک‌تر می‌کند، بلکه کاربردهای گسترده‌تری را در سایر هیدریدهای فلزی نیز آغاز می‌کند.

تیم تحقیقاتی قصد دارد کاربرد این مدل را فراتر از مواد مبتنی بر منیزیم گسترش دهد. انعطاف پذیری متغیرهای مدل امکان کالیبراسیون مجدد سریع هیدریدهای فلزی مختلف را فراهم می کند و به طور بالقوه کشف مواد کامپوزیتی جدید و راه حل های نوآورانه برای ذخیره سازی هیدروژن حالت جامد را تسهیل می کند.

با تطبیق مدل خود با هیدریدهای فلزی مختلف، می‌توانیم اکتشاف و بهینه‌سازی را تسریع کنیم. هیدروژن ذخیره سازی لی افزود: مواد، راه را برای سیستم های انرژی پاک تر و کارآمدتر هموار می کند.

اطلاعات بیشتر:
Chaoqun Li و همکاران، نشان دهنده شکاف بین عملکرد و هدف ذخیره سازی هیدروژن US-DOE: یک مدل مبتنی بر داده برای MgH2 هیدروژن زدایی، Angewandte Chemie International Edition (2024). DOI: 10.1002/anie.202320151

تهیه شده توسط
دانشگاه توهوکو


نقل قول: مدل داده محور به سرعت موانع هیدروژن زدایی در مواد حالت جامد را پیش بینی می کند (2024، 16 مه) بازیابی شده در 16 مه 2024، از https://phys.org/news/2024-05-driven- rapidly-dehydrogenation-barriers- جامد.html

این برگه یا سند یا نوشته تحت پوشش قانون کپی رایت است. به جز هرگونه معامله منصفانه برای اهداف مطالعه یا تحقیق خصوصی، هیچ بخشی بدون اجازه کتبی قابل تکثیر نیست. محتوا فقط برای مقاصد اطلاعاتی ارائه شده است.





Source link

نوشته های مشابه

دکمه بازگشت به بالا