Nous avons développé un algorithme pour améliorer massivement l’imagerie des piles à combustible à hydrogène et la modélisation de l’eau
CT à rayons X 3D d’une pile à combustible à hydrogène, montrant les tissages de papier carbone, la membrane et les catalyseurs (en noir). Crédit : Quentin Meyer
Nous avons développé un algorithme pour améliorer massivement les images des piles à combustible à hydrogène, avec de futures applications en numérisation médicale.
Ce projet a commencé lorsqu’un de nos collaborateurs (Dr Robin T. White) de Zeiss, le principal fabricant de microscopie, a eu des images intéressantes à différentes résolutions d’une pile à combustible, et nous avions déjà parlé de super-résolution avec le professeur Ryan Armstrong. Le projet s’est rapidement transformé en une grande équipe (13 chercheurs sur trois continents, quatre instituts de recherche et deux entreprises), avec une expertise dans différents domaines allant de l’électrochimie et de l’ingénierie des piles à combustible à l’imagerie par rayons X, l’apprentissage en profondeur et la mécanique des écoulements de fluides. Les bonnes personnes étaient disponibles au bon moment !
Nous avons développé un algorithme pour produire des images modélisées à haute résolution à partir d’une tomodensitométrie (CT) à micro-rayons X à basse résolution. Ce nouvel outil passionnant, publié dans un article du Communication Naturea été évalué sur des piles à combustible à hydrogène pour modéliser leur structure avec plus de détails et potentiellement améliorer leur efficacité.
Les piles à hydrogène utilisent de l’hydrogène pour produire de l’électricité et constituent une source d’énergie silencieuse et propre qui peut alimenter les maisons, les véhicules et les industries. Les piles à combustible convertissent l’hydrogène, via un processus électrochimique, en électricité, le seul sous-produit de la réaction étant de l’eau pure. Cependant, les piles à hydrogène deviennent inefficaces si l’eau n’est pas éliminée assez rapidement et inonde le système. Notre équipe a développé l’algorithme pour comprendre comment cette inondation se produit à l’intérieur d’une pile à combustible
Augmenter la résolution
Notre solution utilise l’apprentissage en profondeur pour créer un modèle 3D détaillé en utilisant une image radiographique à basse résolution de la cellule entière et en extrapolant les données d’un scan haute résolution d’accompagnement d’une petite sous-section. Par analogie, nous avons pris une vue aérienne floue d’une ville et une photo agrandie optiquement de quelques rues, puis avons prédit avec précision le tracé de chaque route de la région ! Dans le cas d’images CT 3D de piles à combustible selon cette étude, notre réseau de neurones personnalisé est conçu pour générer efficacement des modèles à l’échelle du téraoctet sur des ordinateurs de bureau. C’est particulièrement excitant car nous repoussons les limites de résolution d’imagerie de quelques ordres de grandeur grâce à l’apprentissage automatique et à l’IA !
Notre algorithme améliore le champ de vision environ cent fois par rapport à l’image haute résolution. Si vous deviez regarder ce que nous faisons maintenant et l’appliquer au domaine médical, nous pourrions par exemple imager les vaisseaux sanguins et modéliser plus en détail le flux de globules rouges à travers le réseau capillaire.
Ces méthodes d’imagerie et de modélisation au-delà du matériel s’étendent au-delà de l’imagerie des piles à combustible pour permettre une imagerie à plus haute résolution de champs de vision plus larges que tout ce qui était possible auparavant. Actuellement, l’image basse résolution à grande échelle et l’image haute résolution à petite échelle doivent être prises sur le même échantillon et sur la même machine. Cependant, les recherches futures devraient bientôt permettre aux techniques d’apprentissage en profondeur de produire des résultats comparables sans faire correspondre les domaines ou même les instruments.
Notre algorithme a créé ce modèle 3D d’une pile à combustible à hydrogène à l’aide de l’image radiographique 3D super-résolue avec une segmentation d’apprentissage automatique de chaque matériau (au centre) et des canaux d’écoulement de gaz et d’eau artificiellement superposés (en haut et en bas). Crédit : Quentin Meyer
PEMFC à alimentation rapide
Pendant la formation et les tests, l’algorithme était précis à 97,3 % pour produire un modèle haute résolution à partir d’images basse résolution. Il a également produit le modèle haute résolution en 1 heure, par rapport aux 1 188 heures nécessaires pour scanner toute la section de la pile à combustible avec cette résolution à l’aide d’un véritable scanner micro-CT. À partir de notre modèle, nous identifions rapidement et précisément où l’eau s’accumule, et nous résolvons potentiellement ces problèmes dans les conceptions futures.
Il y a une énorme amélioration de performance inexploitée qui pourrait être réalisée en utilisant ces cellules, simplement en améliorant la gestion de l’eau, et cela est estimé à une augmentation globale de 60 %. Depuis 20 ans, jusqu’à aujourd’hui, il était extrêmement difficile d’avoir un modèle précis de ces piles à combustible en raison de la complexité des matériaux et de la manière dont les gaz et les liquides sont transportés, ainsi que des réactions électrochimiques en cours. Notre équipe nous a permis de faire exactement cela, en apportant tellement d’expertises différentes à la table. C’est de cela qu’il s’agit.
Cette histoire fait partie Boîte de dialogue Science Xoù les chercheurs peuvent rapporter les résultats de leurs articles de recherche publiés. Visitez cette page pour plus d’informations sur ScienceX Dialog et comment participer.
