↓↓↓文章末尾获取原文链接↓↓↓

本文1883字，阅读约需5分钟

摘要：将X射线叠层成像技术进行的无损纳米CT观察与使用流形学习的分析相结合，成功构建了多孔结构与气体扩散系数之间的相关性，以约5%的误差精度实现了对固体高分子燃料电池的催化剂层的气体扩散系数的预测。

关键词：PEMFC、催化剂层、气体扩散系数、纳米结构、无损检测

要点

研究小组将3Gev高亮度同步辐射设施“NanoTerasu”的纳米CT与机器学习之一的“流形学习”相结合，开发出一种可从多孔结构的CT数据中快速预测气体扩散系数的方法。
将该方法应用于固体高分子燃料电池的催化剂层，证实能够以约5%的误差精度预测与发电性能相关的气体扩散系数。
由于能在约10秒内完成预测，因此可以现场比较多种样品的性能，该技术有望应用于优化用于高功率、长寿命燃料电池的材料。

概要

在作为清洁能源逐步实现实用化的固体高分子燃料电池中，氧气和氢气在催化层发生反应，从而产生电能。催化层中形成的复杂多孔结构既是反应气体的通道，也是反应位点，是影响发电性能的关键因素，但由于是纳米级的微细结构，因此人们难以无损对其进行观察以及对气体扩散特性进行分析。

研究小组将基于NanoTerasu开发的X射线叠层成像技术进行的无损纳米CT观察与使用流形学习的分析相结合，开发出一种通过建立多孔结构与气体扩散系数之间的相关性来预测气体扩散系数的一系列可视化分析技术。研究小组将该方法应用于固体高分子燃料电池的催化剂层，证明了能够以约5%的误差精度从纳米CT数据中预测气体扩散系数。此外，由于能在约10秒内完成预测，因此该技术有望应用于关联材料制备条件，并优化多孔结构的设计和制备方法，以实现燃料电池的高功率和长寿命。

研究背景

支撑我们日常生活的各种材料和器件通过对纳米到微米范围内的层级结构进行控制，实现了高性能。其中具有代表性的固体高分子燃料电池（PEMFC）作为一种清洁高效的电力转换技术，正在社会上得到越来越广泛的应用。催化剂涂层膜（CCM）是PEMFC性能的核心，其是一个由直径为几十纳米（nm）的碳粒子组成的多孔网络结构。反应气体能够渗透到这种多孔网络中，对于实现高功率、长寿命的PEMFC至关重要。因此，对这种层级结构的可视化以及对其气体扩散特性、材料组成和工艺条件之间关系的阐明，对于性能提升而言不可或缺。

作为一种对该结构进行无损可视化的技术，利用在NanoTerasu等同步辐射设施中使用的X射线叠层成像技术进行的纳米断层扫描（纳米CT）正引起人们的关注。通过该方法，有望以几十nm甚至小于10nm的分辨率观察样品内部的三维结构。

另一方面，从已获得的结构数据中定量推导物理性质仍然十分困难，构建结构与物理性质之间的相关性也一直是个挑战。近年来，深度学习已被用于构建这种相关性，但由于其需要大量数据，因此很难应用于像本研究这样实验数据有限的情况。因此，需要一种新的方法来构建这种相关性。

研究内容

针对这一挑战，研究小组开发出一种从使用X射线叠层衍射成像技术获得的多孔结构图像中预测气体扩散系数的方法（图1）。该方法使用流形学习提取结构的特征量，并构建其与气体扩散系数之间的相关性。由于仅靠实验数据不够，研究小组通过自主研发的程序“PorousGen”在计算机上生成了学习数据。此外，基于气体扩散的物理背景和测量科学，研究小组探讨了输入格式，并采用了小角X射线散射（SAXS，一种结构分析技术）中使用的功率谱的对数作为特征量。

图1. 本研究中提出的构建结构与物理性质之间相关性的方法，以及利用该相关性进行预测的方法。

通过该方法，研究小组证实了能够以小于5%的误差，预测新生成的多孔结构的气体扩散系数。研究还发现，即使在将分辨率降低一半的图像中，也能以小于10%的误差进行预测，这表明该方法适用于实验数据。

此外，在NanoTerasu的光束线BL10U中，研究小组利用自主研发的大气环境X射线叠层衍射纳米CT装置观察了PEMFC CCM的催化剂层，并成功以三维方式可视化了20～50nm的孔隙结构（图2）。通过将该方法应用于这些实验数据，研究小组证实了能够以约5%的误差精度预测气体扩散系数。由此，研究小组实现了一个能够快速、高精度地可视化真实材料的结构、并构建和预测结构与扩散特性之间的相关性的平台。

图2. 在NanoTerasu BL10U上可视化的PEMFC CCM催化剂层的X射线衍射和纳米CT图像。

未来展望

该方法可在约1分50秒内计算气体扩散系数，其中包括模型加载时间（加载约95秒，预测约12秒）。因此，在诸如NanoTerasu等同步辐射设施上进行观测后，即可进行现场性能评估，并快速提供反馈以确定多孔结构的制备条件。

该方法的另一个特点是，其甚至可以应用于小型数据集。另一方面，若能利用大规模数据，由于深度学习具有高精度，因此通过与本方法相结合，有望实现更高效的材料设计。

今后，通过将离子交换膜的分布、铂粒子等要素纳入模型，研究小组旨在重现更接近实际材料的结构，并将其扩展到预测电导率、热导率和离子电导率等性能。

未来，通过将其发展为能够实时预测材料劣化和化学状态变化的“数字孪生”技术，有望为开发稳定、高功率、长寿命的燃料电池做出贡献。

https://www.tohoku.ac.jp/japanese/newimg/pressimg/tohokuuniv-press20260331_05web_nano.pdf

https://www.sciencedirect.com/science/article/pii/S037877532600666X

（1）资讯定制

对于本文章中提到的技术，有海外相关技术信息（行业资讯、技术报告、专利信息等）扩展搜集需求的，欢迎留言区留言，或联系邮箱【info#aipatent.com（注明“资讯定制”） *发送邮件时请将“#”替换为“@”】了解详情。

（2）征稿启事

应部分读者建议，本公众号现开放投稿，面向企业及科研机构人员征集稿件，可以分享技术信息、学术类论文、科研成果以及研究见解等。

投稿请发送至邮箱：support#aipatent.com（请注明“AIpatent公众号来稿”） *发送邮件时请将“#”替换为“@”

通过纳米CT图像在10秒内预测气体扩散——优化燃料电池材料设计，提高输出功率并延长使用寿命