در روش سنتی تولید هیدروژن سبز، الکتریسیته حاصل از منابع تجدیدپذیر بین دو الکترود فلزی در آب عبور داده میشود و در نتیجه گازهای اکسیژن و هیدروژن آزاد میگردند. این روش علاوه بر مصرف بالای انرژی، به فلزات نادر و گرانقیمت وابسته است.
به گزارش دپارتمان اخبار علمی رسانه فناوری تکنا، محققان با همکاری مرکز نور کانادا در دانشگاه ساسکاچوان، روشی کارآمدتر برای تولید سوخت هیدروژن یافتهاند. آنها با بهرهگیری از یک الگوریتم هوش مصنوعی، کاتالیزوری طراحی کردهاند که بهینهسازی فرآیند تولید را هدف قرار داده است. مقصد اصلی این تحقیق، یافتن ترکیبی بهینه از آلیاژها یا فلزات برای فعالسازی کاتالیزور و افزایش بازدهی و کاهش هزینههای تولید بوده است.
جهاد عابد، یکی از اعضای این تیم تحقیقاتی، توضیح میدهد که جستجوی ترکیبات مناسب، کار بسیار پیچیدهای است و شامل بررسی صدها میلیون یا حتی میلیاردها ترکیب احتمالی میشود. تیم تحقیقاتی با گسترش یک برنامه هوش مصنوعی، بیش از ۳۶ هزار ترکیب اکسید فلزی را به طور شبیهسازی بررسی کرده و موفق شدهاند بهترین گزینه را شناسایی کنند. پس از آن، نتایج شبیهسازیها در آزمایشگاه تأیید گردید.
برای بررسی دقیقتر عملکرد کاتالیزور در میان واکنش، محققان از اشعه ایکس بسیار قدرتمند مرکز نور کانادا بهره بردند. این اشعه به آنها امکان داد تا تغییرات ساختاری مواد را در سطح اتمی مشاهده کنند. علاوه بر این، تیم تحقیقاتی از منبع فوتون پیشرفته آزمایشگاه ملی آرگون در شیکاگو نیز استفاده کرد. نتایج این تحقیقات نشان داد که ترکیبی از روتنیوم، کروم و تیتانیوم در نسبتهای خاص، بهترین عملکرد را دارد.
آلیاژی که توسط هوش مصنوعی پیشبینی شده بود، از نظر پایداری و دوام، ۲۰ برابر بهتر از نمونههای قبلی عمل کرد و کارایی بسیار بالاتری داشت. با این حال، جهاد عابد تأکید میکند که تا این لحظه آزمایشهای بیشتری برای اطمینان از عملکرد مناسب این ماده در شرایط واقعی مورد نیاز است. این تحقیق نشان میدهد که هوش مصنوعی میتواند به طور چشمگیر روند کشف مواد نوین را تسریع نموده و به گسترش فناوریهای پاک و پایدار یاری رساند. با بهرهگیری از این روش، میتوان در بازههای زمانی کوتاه، مواد بسیار کارآمدتری برای تولید هیدروژن سبز شناسایی کرد. این دستاورد، گامی مهم در جهت کاهش وابستگی به سوختهای فسیلی و مبارزه با تغییرات اقلیمی محسوب میشود.



