L'IA remplace l'humain dans l'identification des causes des dysfonctionnements des piles à combustible
L'équipe de recherche du Dr Chi-Young Jung du Centre de recherche et de démonstration sur l'hydrogène de l'Institut coréen de recherche énergétique (KIER) a développé avec succès une méthode pour analyser la microstructure du papier en fibre de carbone, un matériau clé dans les piles à combustible à hydrogène, à une vitesse 100 fois plus rapide que les méthodes existantes. Cet objectif a été atteint grâce à l’utilisation de la technologie des jumeaux numériques et de l’apprentissage de l’intelligence artificielle (IA).
Le papier en fibre de carbone est un matériau clé dans les piles à combustible à hydrogène, jouant un rôle crucial en facilitant l'évacuation de l'eau et l'approvisionnement en carburant. Il est composé de matériaux tels que des fibres de carbone, des liants (adhésifs) et des revêtements. Au fil du temps, la disposition, la structure et l’état du revêtement de ces matériaux changent, entraînant une baisse des performances de la pile à combustible. Pour cette raison, l’analyse de la microstructure du papier en fibre de carbone est devenue une étape essentielle dans le diagnostic de l’état des piles à combustible.
Cependant, l’analyse en temps réel de la microstructure à haute résolution du papier en fibre de carbone était jusqu’à présent impossible. En effet, l’obtention de résultats d’analyse précis nécessite un processus au cours duquel l’échantillon de papier en fibre de carbone est endommagé puis soumis à un examen détaillé à l’aide d’un microscope électronique.
Pour remédier aux limites des méthodes d’analyse existantes, l’équipe de recherche a développé une technologie qui analyse la microstructure du papier en fibre de carbone à l’aide de diagnostics par rayons X et d’un modèle d’apprentissage d’images basé sur l’IA. Cette technologie permet notamment une analyse précise en utilisant uniquement la tomographie à rayons X, éliminant ainsi le besoin d’un microscope électronique. En conséquence, il permet un diagnostic de l’état en temps quasi réel.
L’équipe de recherche a extrait 5 000 images de plus de 200 échantillons de papier en fibre de carbone et a formé un algorithme d’apprentissage automatique avec ces données. En conséquence, le modèle entraîné a pu prédire la distribution et la disposition 3D des composants clés du papier en fibre de carbone, notamment les fibres de carbone, les liants et les revêtements, avec une précision de plus de 98 %.
Cette capacité permet de comparer l'état initial du papier en fibre de carbone avec son état actuel, permettant ainsi l'identification immédiate des causes de dégradation des performances. Les résultats sont publiés dans la revue Énergie appliquée.
La méthode d’analyse conventionnelle, qui consiste à broyer des échantillons de papier en fibre de carbone et à utiliser un microscope électronique, prend au moins deux heures. En revanche, le modèle d'analyse développé par l'équipe de recherche peut identifier la dégradation, les zones endommagées et l'étendue des dommages dans le papier en fibre de carbone en quelques secondes en utilisant uniquement un équipement de tomographie à rayons X.
En outre, l'équipe de recherche a utilisé les données du modèle développé pour identifier systématiquement comment les facteurs de conception tels que l'épaisseur du papier en fibre de carbone et la teneur en liant affectent les performances de la pile à combustible. Ils ont également extrait les paramètres de conception optimaux et proposé un plan de conception idéal visant à améliorer l’efficacité des piles à combustible.
Le Dr Chi-Young Jung, chercheur principal, a déclaré : « Cette étude est importante dans la mesure où elle améliore la technologie d'analyse en combinant l'IA avec l'utilisation de l'espace virtuel, et identifie clairement la relation entre la structure et les propriétés des matériaux énergétiques, démontrant ainsi son intérêt pratique. applicabilité. » Il a ajouté : « Nous espérons qu'il jouera à l'avenir un rôle important dans des domaines connexes tels que les batteries secondaires et l'électrolyse de l'eau. »
