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

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。