كتبت : حبيبة جمال
في المعركة ضد تغير المناخ، حقق الباحثون الكوريون إنجازا رائدا في مجال تكنولوجيا الطاقة النظيفة، قام فريق متعدد المؤسسات بتطوير طريقة مبتكرة لفحص المحفزات باستخدام الذكاء الاصطناعي (AI) لتلبية الحاجة الملحة للانتقال من الوقود الأحفوري إلى البدائل المستدامة.
يحمل هذا النهج الجديد القدرة على تقليل تكلفة خلايا الوقود الهيدروجيني بشكل كبير، وهو لاعب رئيسي في حلول الطاقة النظيفة.
منذ فترة طويلة تم الاعتراف بخلايا الوقود الهيدروجينية كمصدر طاقة نظيف وقابل للحياة. تنتج خلايا الوقود هذه الكهرباء من خلال عملية ينبعث منها الماء فقط، مما يوفر بديلاً واعداً لطرق الاحتراق التقليدية، ومع ذلك، فإن الاعتماد على نطاق واسع لخلايا الوقود الهيدروجيني قد أعاقه ارتفاع تكلفة محفزات البلاتين.
هذه المحفزات، الضرورية لتفاعل اختزال الأكسجين في خلايا وقود الهيدروجين، جعلت هذه التكنولوجيا غير مجدية اقتصاديًا للنشر على نطاق واسع، ولذلك فإن الأبحاث والتطوير والبنية التحتية مطلوبة قبل أن يتم اعتماد مركبات خلايا الوقود الهيدروجينية على نطاق واسع
تكنولوجيا خلايا وقود الهيدروجين
في تطور رائد، تمكن فريق بحثي من التصدي بفعالية للتحدي الحاسم في تكنولوجيا خلايا وقود الهيدروجين، تقليديًا، تعتمد مركبات الهيدروجين على خلايا وقود الهيدروجين ذات غشاء تبادل البروتونات (PEMFCs)، والتي تتطلب محفزات بلاتينية باهظة الثمن لتفاعل تقليل الأكسجين عند الأنود.
وقد أعاقت هذه التكلفة المرتفعة اعتماد مركبات الهيدروجين على نطاق واسع، مما يجعلها غير مجدية اقتصاديا.
ومع ذلك، فقد ظهر طريق جديد عندما اكتشف الباحثون إمكانات مجموعات وتركيبات العناصر، مما يمهد الطريق لنهج مبتكر وفعال من حيث التكلفة لتحفيز تفاعل تقليل الأكسجين. يمثل هذا الإنجاز خطوة مهمة نحو تقليل اعتماد العالم على الوقود الأحفوري ويعرض قوة الذكاء الاصطناعي في إعادة تشكيل مشهد الطاقة النظيفة.
الوعد البيئي للذكاء الاصطناعي
ابتكر الباحثون في جمهورية كوريا طريقة مبتكرة لفحص المحفزات باستخدام الذكاء الاصطناعي (AI)، مما أدى إلى إنشاء مادة حفازة رائدة تعتمد على سبيكة قائمة على العناصر الثلاثية (Cu-Au-Pt).
أثبتت هذه المادة الجديدة أنها أكثر اقتصادا من البلاتين وأظهرت مستويات أداء أعلى بمرتين من محفزات البلاتين النقي.
يتنبأ نموذج الذكاء الاصطناعي، المسمى Slab Graph Convolutional Neural Network ، بدقة بالطاقة الملزمة للمواد الممتزة على سطح المحفز. SGCNN هو تطور لنموذج الشبكات العصبية التلافيفية للرسم البياني البلوري، والذي يستخدم تقليديًا للتنبؤ بالخصائص السائبة للمواد الصلبة.
بشكل عام، لا يوجد فرق كبير بين التنبؤ بالخصائص السائبة والخصائص السطحية، ولهذا السبب كان من الممكن تطوير النموذج لهذا التطبيق الجديد. تكمن الميزة الرئيسية لنموذج الذكاء الاصطناعي في قدرته على التنبؤ بشكل موثوق ودقيق بخصائص سطح المحفز في إطار زمني قصير.
وهذا يسهل الفحص الفعال للعوامل الحفازة حتى يتمكن العلماء من اختيار المواد الحفازة التي تتمتع بالاستقرار المادي والأداء العالي ورخيصة الثمن بسرعة.
وباستخدام هذه الطريقة، استكشف فريق البحث إمكانات ما يقرب من 3200 مادة مرشحة ثلاثية خلال يوم عمل واحد. في المقابل، باستخدام التكنولوجيا السابقة لحسابات محاكاة طاقة الامتزاز بنظرية الكثافة الوظيفية (DFT)، كان هذا الاستكشاف المكثف سيتطلب سنوات من الجهد.
محفز سبائك ثلاثي Cu-Au-Pt
من خلال التحقق التجريبي الصارم، أدت مجموعة مختارة من 10 محفزات تظهر كفاءة متفوقة على نظيراتها من البلاتين إلى تطوير محفز سبيكة ثلاثي رائد يتكون من النحاس والذهب والبلاتين (Cu-Au-Pt)، لا يثبت هذا المحفز أنه أكثر جدوى اقتصاديًا من بدائل البلاتين النقي فحسب، بل إنه يتميز أيضًا بكثافة تيار حركي تبلغ ضعف كثافة محفزات البلاتين التقليدية.
أظهر اختبار الثبات الشامل الذي شمل أكثر من 5000 تجربة المتانة الرائعة لهذا المحفز.
ومع تقنيات نمذجة الذكاء الاصطناعي الأكثر دقة، يشعر الباحثون بالتفاؤل بشأن ظهور محفزات تتميز بخصائص استثنائية. وقد يؤدي ذلك إلى تطوير محفزات جديدة ذات خصائص مناسبة، مثل الأداء العالي بتكلفة منخفضة.
ولا يعيد هذا الإنجاز تعريف إمكانيات خلايا وقود الهيدروجين فحسب، بل يؤكد أيضًا على الدور المحوري الذي يلعبه الذكاء الاصطناعي في تشكيل مستقبل أكثر اخضرارًا واستدامة.
