Machine learning prediction of hydrogen sorption properties of zirconium-titanium based C14 Laves phase AB 2 alloy from chemical composition
تُظهر هذه الدراسة أن نماذج تعلم الآلة المدربة على النسب المئوية الذرية للعناصر يمكنها التنبؤ بفعالية بخصائص امتزاز الهيدروجين الرئيسية لسبائك طور لافيس C14 من نوع AB2 القائمة على الزركونيوم والتيتانيوم، محققةً دقة عالية لحجم وحدة الخلية ودقة متوسطة لضغط التوازن، مما يسرع من تصميم مواد تخزين الهيدروجين.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
يُعد الهيدروجين وقوداً نظيفاً يحترق دون تلوث، ولكن تخزينه يمثل مشكلة هندسية معقدة. ولأن الهيدروجين هو أخف عنصر في الكون، فإنه يشغل مساحة هائلة ما لم يتم ضغطه بقوة شديدة. وتتمثل إحدى طرق حل هذه المشكلة في حبس ذرات الهيدروجين داخل البنية البلورية لمعدن، مما يخلق مادة صلبة تحفظ الغاز بأمان. هذه المواد، التي تُسمى هيدريدات المعادن، يمكنها امتصاص الهيدروجين كما تمتص الإسفنجة الماء وتطلقه مرة أخرى عند الحاجة. ومن بين العديد من أنواع المعادن التي يتم دراستها، أظهرت مجموعة محددة تُعرف باسم سبائك AB2 وعوداً كبيرة. وهذه السبائك هي مزيج من معدنين مختلفين يشكلان نمطاً متكرراً وصلباً يُسمى الشبكة البلورية. وعندما يدخل الهيدروجين إلى هذه الشبكة، فإنه يغير حجم النمط والطاقة المطلوبة لحجز الغاز. ويحتاج العلماء إلى معرفة كيفية حدوث هذه التغييرات بدقة لتصميم بطاريات وخزانات وقود أفضل، لكن اختبار كل توليفة ممكنة من المعادن في المختبر عملية بطيئة ومكلفة، وغالباً ما يكون من المستحيل القيام بها لكل مزيج نظري.
ولتسريع عملية الاكتشاف هذه، لجأ باحثون من إندونيسيا وماليزيا وكرواتيا إلى أداة من نوع مختلف: التعلم الآلي. فبدلاً من صهر المعادن في فرن لكل تجربة، قاموا بتعليم الكمبيوتر التنبؤ بسلوك هذه السبائك بناءً على تركيبها الكيميائي. ركز الفريق على عائلة محددة من السبائك المكونة أساساً من الزركونيوم والتيتانيوم، والمعروفة بتكوين بنية بلورية سداسية تُسمى طور "C14 لافيس". وقد جمعوا مجموعة ضخمة من البيانات من الدراسات العلمية السابقة، حيث جمعوا معلومات حول 244 وصفة مختلفة للسبائك. ولكل وصفة، كانوا يعرفون بالضبط العناصر الموجودة وكمياتها، بالإضافة إلى الخصائص الفيزيائية الناتجة: مقدار تمدد البنية البلورية عند امتصاص الهيدروجين، وكمية الحرارة المنبعثة أثناء العملية، ودرجة الاضطراب التي نشأت، والضغط الذي يستقر عنده الهيدروجين.
أراد الباحثون معرفة ما إذا كان بإمكانهم التنبؤ بهذه النتائج الأربعة الرئيسية بمجرد النظر إلى قائمة المكونات. واختبروا طريقتين مختلفتين لتغذية هذه المعلومات للكمبيوتر. استخدمت الطريقة الأولى النسب المئوية الخام لكل عنصر، مثل "10 بالمئة تيتانيوم" أو "5 بالمئة منغنيز". أما الطريقة الثانية، فقد استخدمت خصائص فيزيائية محسوبة مستمدة من تلك المكونات، مثل متوسط حجم الذرات، وكثافة المادة، ونسبة نوعي المعادن الرئيسيين. وقاموا بتدريب خمسة أنواع مختلفة من خوارزميات الكمبيوتر على هذه البيانات، مع تقسيم المعلومات بحيث يتعلم الكمبيوتر من معظم الأمثلة ويتم اختباره على الأمثلة التي لم يرها من قبل. سمح هذا النهج لهم بالحكم على مدى قدرة الكمبيوتر على تخمين خصائص سبيكة جديدة لم يسبق رؤيتها.
أظهرت النتأرج النتائج فائزاً واضحاً في كيفية وصف المكونات. فقد كان أداء الكمبيوتر أفضل بكثير عندما تم تزويده بقائمة نسب العناصر البسيطة بدلاً من الخصائص الفيزيائية المحسوبة. وعند التنبؤ بحجم خلية الوحدة البلورية -وهي الصندوق الصغير الذي يتكرر لتشكيل المعدن- كان النموذج الذي يستخدم نسب العناصر دقيقاً بشكل ملحوظ. حقق نموذج خطي بسيط، الذي يبحث عن علاقات الخط المستقيم بين نقاط البيانات، درجة 0.955 في مجموعة الاختبار، مما يعني أنه يمكنه التنبؤ بحجم البلورة بدقة عالية جداً. ويشير هذا إلى أن حجم البلورة يتحدد إلى حد كبير من خلال المتوسط المباشر لأحجام الذرات الموجودة بداخلها. وفي المقابل، عانت النماذج التي استخدمت الخصائص الفيزيائية الأكثر تعقيداً من أجل الوصول إلى نفس المستوى من الدقة، مما يشير إلى أن تلك الأرقام المحسوبة قد تخفي بعض التفاصيل المحددة التي يحتاجها الكمبيوتر.
ومع ذلك، كانت القصة مختلفة بالنسبة للخصائص الأخرى. فقد ثبت أن التنبؤ بالحرارة المنبعثة عند امتصاص الهيدروجين أصعب بكثير؛ إذ لم تتمكن أفضل النماذج إلا من استيعاب حوالي نصف التباين في البيانات، مما يشير إلى أن حرارة الامتصاص تعتمد على عوامل إلكترونية وهيكلية دقيقة لا يمكن لقائمة بسيطة من المكونات تفسيرها بالكامل. أما التنبؤ بالإنتروبيا (الاعتلاج)، الذي يقيس الاضطراب أو العشوائية الناتجة عند دخول الهيدروجين إلى المعدن، فقد كان المهمة الأصعب على الإطلاق. فقد كان أداء معظم نماذج الكمبيوتر أسوأ من مجرد التخمين بناءً على القيمة المتوسطة لكل سبيكة جديدة، مما يشير إلى أن البيانات الحالية لا تحتوي على معلومات كافية لفهم الاهتزازات والترتيبات المعقدة التي تحكم هذه الخاصية.
أظهر الضغط المتوازن، وهو القوة التي يستقر عندها الهيدروجين براحة داخل المعدن، نجاحاً متوسطاً. فقد استطاع الكمبيوتر التنبؤ بهذه القيمة بشكل جيد معقول، خاصة عند استخدام نسب العناصر. ومن المثير للاهتمام أن الباحثين وجدوا رابطاً قوياً بين الضغط وحجم الخلية البلورية: فكلما كبر حجم الصندوق البلوري، انخفض الضغط المطلوب لحجز الهيدروجين. وهذا أمر منطقي فيزيائياً لأن المساحة الأكبر داخل المعدن تجعل من السهل على ذرات الهيدروج de التواجد، مما يتطلب ضغطاً أقل لدفعها إلى الداخل. وتخلص الدراسة إلى أنه بينما يعد التعلم الآلي أداة قوية لتصميم مواد تخزين الهيدروجين هذه، فإنه يعمل بشكل أفضل للخصائص الهيكلية مثل الحجم. أما بالنسبة للسلوكيات الديناميكية الحرارية الأكثر تعقيداً مثل الحرارة والاضطراب، فسيحتاج العلماء إلى تطوير طرق أكثر ذكاءً لوصف المواد قبل أن تتمكن الحواسيب من التنبؤ بها بشكل موثوق. ويوفر هذا العمل مساراً واضحاً للمضي قدماً، حيث يظهر أن معرفة الوصفة الدقيقة للسبيكة غالباً ما تكون أكثر فائدة من معرفة سماتها الفيزيائية المستمدة عند محاولة التنبؤ بكيفية تخزين الطاقة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.