原创 ScienceAI ScienceAI

编辑 | 绿萝

为了保障能源供应和应对气候变化，人们的焦点从化石燃料转向清洁和可再生能源，氢以其高能密度和清洁低碳的能源属性可以在能源转型变革中发挥重要作用。

氢燃料电池，尤其是质子交换膜燃料电池 (PEMFC)，由于其高能量转换效率和零排放操作，成为这场绿色革命的关键。

PEMFC 通过电化学过程将氢转化为电能，反应的唯一副产品是纯水。然而，如果水不能正常流出电池，随后「淹没」系统，PEMFC 可能会变得低效。到目前为止，由于燃料电池体积非常小且结构非常复杂，工程师们很难理解燃料电池内部排水或积水的精确方式。

近日，来自悉尼新南威尔士大学（UNSW）的研究团队开发了一种深度学习算法（称为 DualEDSR），来提高对 PEMFC 内部情况的理解，可以从较低分辨率的 X 射线微计算机断层扫描（micro-CT）中生成高分辨率的建模图像。该工艺已经在单个氢燃料电池上进行了测试，可以对其内部进行精确建模，并有可能提高其效率。

论文一作 Wang 博士表示：「超分辨率算法 DualEDSR 与高分辨率图像相比，将视野提高了约 100 倍。」

研究人员表示，它也可以在未来用于人体 X 射线，让医疗专业人员更好地了解体内的微小细胞结构，从而可以更好更快地诊断各种疾病。

该研究以「使用深度学习对质子交换膜燃料电池进行大规模物理精确建模」（Large-scale physically accurate modelling of real proton exchange membrane fuel cell with deep learning）为题，于 2023 年 2 月 14 日发表在《自然通讯》(Nature Communications) 上。

论文链接：https://www.nature.com/articles/s41467-023-35973-8

PEMFC 使用氢燃料发电，是一种安静、清洁的能源，可以为家庭、车辆和工业提供动力。

由于多尺度、多层多孔介质中的多相、多组分、反应动力学，精确的液态水建模本身具有挑战性。此外，目前不充分的成像和建模能力限制了对小区域 (<1 mm^2) 或简化架构的模拟。

图 1：本研究中生成的 PEMFC 域。（来源：论文）

在此，使用 X 射线 micro-CT、深度学习超分辨率、多标签分割和直接多相模拟，实现了水建模的进步。生成的图像是分辨率最高的域（16 mm^2，体素分辨率为 700 nm）和最大的燃料电池直接多相流模拟。这种通用方法揭示了气体扩散层和流场中大面积干燥和淹没区域的多尺度水聚集和传输机制，为具有优化结构和润湿性的下一代 PEMFC 铺平了道路。

提高分辨率

研究人员创建的解决方案允许深度学习通过利用电池的低分辨率 X 射线图像创建详细的 3D 模型，同时从其一小部分的伴随高分辨率扫描中推断数据。

通俗来讲，这相当于从飞机上拍摄一张整个城镇的模糊航拍照片，以及一张非常详细的几条街道的照片，然后能够准确地预测整个地区每条道路的布局。

「这项研究如此新颖的原因之一是，我们正在突破成像所能产生的极限，」Armstrong 教授说。

「这是非常典型的，当你使用一个硬件时，无论是显微镜还是 CT 扫描仪，图像的分辨率会随着你缩小得越多而变得越差。我们的机器学习技术解决了这个问题，并且该方法广泛适用于任何成像领域，例如医疗应用、石油和天然气行业或化学工程。」

DualEDSR 算法

DualEDSR 专为本研究开发，可有效处理大型 3D 图像，并在高分辨率和低分辨率配准图像上进行训练。这包括首先以低分辨率对整个域进行成像，然后使用感兴趣区域扫描对一个小的子域进行高分辨率成像。低分辨率图像中的相应子域与高分辨率图像一起使用，以训练 DualEDSR 从其他看不见的低分辨率图像生成超分辨率图像。

简而言之，DualEDSR 的训练速度是 3D-EDSR 的五倍，同时达到了相似的精度。

图 3：用于超分辨率和多标签分割的 CNN 架构。（来源：论文）

Wang 博士在已发表的研究中表示，DualEDSR 与高分辨率图像相比，将视野提高了约 100 倍。他也认为在医学成像领域的应用是一个令人兴奋的未来发展。

「如果你看看我们现在正在做的事情并将其应用到医学领域，那么能够更详细地成像血管和红细胞在毛细血管网络中的流动将是非常有趣的。」他说。

「这些超越硬件的成像和建模方法超越了燃料电池成像，能够实现比以前更实用的更大视野的更高分辨率成像。」

研究中详述的建模过程的一个限制是，需要由同一台机器在同一位置拍摄较大比例的低分辨率图像和较小比例的高分辨率图像。

这些被称为「感兴趣区域」扫描仪，是目前许多设施可能无法使用的专用设备。

然而，该团队希望进一步的研究将使深度学习技术在未来产生类似的结果，当呈现的图像不是在同一位置拍摄的，甚至可能不使用完全相同的仪器或材料。

快速燃料 PEMFC

目前，研究人员能够提供 PEMFC 内部的详细 3D 模型，以便制造商能改进电池所产生的水的管理，并提高燃料电池的效率。

在 DualEDSR 的训练和测试过程中，该算法在从低分辨率图像生成高分辨率模型时达到了 97.3% 的准确率。它还在短短 1 小时内生成了一个高分辨率模型，而使用微型 CT 扫描仪获得燃料电池整个部分的高分辨率图像需要 1188 小时，相当于 50 天不间断。

图 4：PEMFC 中的水-气流模拟。（来源：论文）

「从我们的模型中，我们可以快速准确地看到水容易积聚的地方，因此，我们可以帮助解决未来设计中的这些问题，」Meyer 博士说。「在行业内，众所周知，仅通过改进水管理，使用这些电池就可以实现巨大的性能提升，据估计总体提升 60%。在过去的 20 年里，到目前为止，由于材料、气体和液体的传输方式以及电化学反应的复杂性，很难有一个准确的燃料电池模型。」「我们的跨学科团队使我们能够做到这一点，将许多不同的专业知识带到桌面上。这就是研究的意义所在。」更高效的 PEMFC 可能成为未来提供清洁和环保电力的重要因素，因为它们仅排放水和热量。此外，它们结构紧凑、重量轻，适合在车辆中使用。它们还可以快速加油，就像给汽车加油一样快，电动汽车即使有快速充电器，也需要几个小时，这使它们比电池供电的电动汽车有一个关键优势。参考内容：https://techxplore.com/news/2023-02-deep-learning-tool-boosts-x-ray-imaging.html