Sam Jarman tərəfindən , Phys.org

Sadie Harley tərəfindən redaktə edilib , Robert Egan tərəfindən nəzərdən keçirilib

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

Optimal performans üçün termoelektrik materialların sınaqdan keçirilməsi. Müəllif: Airan Li və başqaları.

Geyilə bilən texnologiyadan sənaye istiliyinin bərpasına qədər, tullantı istiliyini elektrik enerjisinə çevirən termoelektrik generatorların geniş potensial tətbiq sahələri mövcuddur. Lakin, bu günə qədər bu cihazların yüksək performanslı versiyalarının dizaynı çətin bir iş olaraq qalmışdır.

İndi isə, Nature jurnalında dərc olunan yeni tədqiqatlar vasitəsilə , Ayran Li və Yaponiyadakı Milli Material Elmləri İnstitutundakı həmkarları cihazın performansını 99%-dən çox dəqiqliklə proqnozlaşdıran və hesablama müddətini təxminən 10.000 dəfə azaldan süni intellekt əsaslı bir vasitə hazırlayıblar.

Optimallaşdırma problemi

Termoelektrik generatorlar bir tərəfi digərindən daha isti olduqda elektrik enerjisi istehsal edir: temperatur fərqi cihazdan elektrik yükünü keçirərək cərəyan yaradır. Lakin bu olduqca sadə konsepsiyadan kənarda, prosesin səmərəli işləməsi təəccüblü dərəcədə çətindir. Sadəcə yaxşı termoelektrik xüsusiyyətlərə malik materialları seçmək kifayət deyil : materiallar həm də bir-biri ilə uyğun olmalıdır, yəni istilik və elektrik yükünü ötürmə qabiliyyəti yaxşı uyğun olmalıdır.

Bundan əlavə, hər bir komponentin uzunluğu və en kəsiyi sahəsi diqqətlə tənzimlənməlidir, çünki bu ölçülər cihazın nə qədər elektrik müqaviməti və istilik axını istehsal etdiyini birbaşa idarə edir. Tədqiqatçılar üçün yalnız fiziki təcrübələr vasitəsilə materialların, həndəsələrin və arxitekturaların optimal kombinasiyalarını tapmaq prosesi olduqca yavaş olardı.

Bu cür problem üçün tədqiqatçılar adətən kompüter simulyasiyalarına müraciət edir və bu da minlərlə dizaynı virtual olaraq sınaqdan keçirməyə imkan verir. Lakin bu simulyasiyalar istilik və elektrik axınını eyni vaxtda təsvir edən mürəkkəb tənlikləri həll etməlidir. Termoelektrik generatorlarının bütün dizayn sahəsini hərtərəfli araşdırmaq üçün kifayət qədər onları işə salmaq günlər, həftələr və hətta aylar çəkə bilər.

Təqdim edirik: TEGNet

Bu maneəni aradan qaldırmaq üçün Li-nin komandası ənənəvi simulyasiyalardan əldə edilən məlumatlardan istifadə edərək təlim keçirdikləri TEGNet adlı yeni bir maşın öyrənmə vasitəsi hazırladı. Bu yanaşma, problemi sıfırdan dəfələrlə həll etmək əvəzinə, modelin əsas fizikanı öyrənməsinə imkan verdi və nəticədə onlarla dəqiqə əvəzinə cəmi bir neçə millisaniyə ərzində tək bir performans proqnozu verə bilən bir sistem yarandı.

TEGNet-in xüsusi güclü tərəfi onun modulyarlığıdır. Tədqiqatçılar nümayiş etdirmək üçün fərdi termoelektrik materiallar üçün ayrı modellər qurdular və daha sonra daha mürəkkəb cihaz arxitekturalarını simulyasiya etmək üçün tikinti blokları kimi birləşdirilə bilərdi. Bunlara birdən çox materialı ardıcıl olaraq yığan və ya materialları fərqli yükdaşıyıcı növləri ilə cütləşdirən dizaynlar daxil idi.

Zərif şəkildə optimallaşdırılmış dizaynlar

Bu yanaşmadan istifadə edərək, TEGNet minlərlə konfiquranı skan edə və iki eksperimental prototip üçün optimal həndəsələri müəyyən edə bildi. Müvafiq olaraq, bu cihazlar özlərindən keçən istilik enerjisinin 9,3%-ni və 8,7%-ni faydalı elektrik enerjisinə çevirdi və hər ikisi işləmə temperaturu diapazonuna görə ən yaxşı bildirilən çevrilmə səmərəliliyi arasında yer aldı.

Komandanın yanaşması termoelektrik cihazların dizaynında daha geniş bir dəyişikliyə işarə edir. Dizayn dövrlərini aylardan dəqiqələrə sıxışdırmaqla, TEGNet kimi alətlər güclü hesablama infrastrukturuna çıxışı olmayan daha kiçik tədqiqat qruplarına sahəni aça bilər. Öz növbəsində, bu, perspektivli materiallardan praktik, real enerji yığan cihazlara keçidi sürətləndirməyə kömək edə bilər.

Müəllifimiz Sam Jarman tərəfindən sizin üçün yazılmış, Sadie Harley tərəfindən redaktə edilmiş və Robert Egan tərəfindən faktlar yoxlanılmış və nəzərdən keçirilmiş bu məqalə diqqətli insan əməyinin nəticəsidir. Müstəqil elmi jurnalistikanı yaşatmaq üçün sizin kimi oxuculara güvənirik. Bu reportaj sizin üçün vacibdirsə, xahiş edirik ianə etməyi düşünün (xüsusilə aylıq). Təşəkkür olaraq reklamsız hesab əldə edəcəksiniz .