Clear Sky Science
הסברים מבוססי ראיות, עם מעט ז'רגון

Clear Sky Science · he

אופטימיזציה מונעת-בינה מלאכותית לאחסון מימן במסננים פחמניים שבירים

· חזרה לאינדקס

מדוע אחסון מימן טוב יותר חשוב

מימן מוצג לעתים קרובות כדלק נקי לרכבים, משאיות ואוטובוסים, כי כשמשתמשים בו הוא בעיקר מייצר מים במקום גזי חממה. הבעיה היא שאחסון מספיק מימן בבטחה ובעלות סבירה ברכב הוא אתגר גדול. המחקר הזה בוחן כיצד בינה מלאכותית יכולה לעזור למדענים לעצב חומרים פחמניים בעלי מבנה ספוגי שמחזיקים יותר מימן, ובכך להפוך את התחבורה המופעלת במימן לפרקטית יותר.

Figure 1. בינה מלאכותית מסייעת לעצב ספוגי פחמן נקבוביים כך שתרכבים יוכלו לאחסן דלק מימן בבטחה וביעילות רבה יותר.
Figure 1. בינה מלאכותית מסייעת לעצב ספוגי פחמן נקבוביים כך שתרכבים יוכלו לאחסן דלק מימן בבטחה וביעילות רבה יותר.

איך ספוגי פחמן מחזיקים מימן

החומרים שבמוקד הם פחמנים בעלי נקבוביות גבוהה המתנהגים כמו ספוג מוצק. במקום לספוג מים, הם מושכים מולקולות מימן על פני השטח הפנימיים שלהם. ככל שלפחמנים אלה יש יותר שטח פנים פנימי, וככל שמידות הנקבוביות מותאמות למימן, כך הם יכולים לאחסן יותר דלק. שיטות מסורתיות מסתמכות על ניסיון וטעייה: לשנות את דרך הייצור של הפחמן, למדוד תפיסת מימן בלחצים וטמפרטורות מסוימים, ולחזור על כך. התהליך איטי, יקר, ומוגבל במספר הדגימות שמהם החוקרים יכולים למדוד.

ללמד מחשבים מהניסויים הקודמים

כדי להאיץ את התהליך, המחברים אספו 917 נקודות נתונים ממספר מחקרים קודמים על אחסון מימן בפחמנים נקבוביים. כל רשומה קישרה כיצד פחמן יוצר ומראה המבנה שלו עם כמות המימן שאוחסנה בתנאים נתונים. הם אימנו שני מודלים של למידת מכונה על אוסף זה, אחד מבוסס על עצי החלטה ואחד בהשראת רשתות לזיהוי תמונה. אף על פי שהנתונים היו רק מספרים, הרשת הנוירונית למדה דפוסים היטב וחיזתה את אחסון המימן בדיוק גבוה כאשר נבחנה על רשומות שלא נראו קודם מאותו טווח של לחצים, טמפרטורות ותכונות חומר.

Figure 2. בינה מלאכותית משווה בין מבנים נקבוביים רבים של פחמן ובוחרת אחד שהוא אופטימלי לאריזת מספר מקסימלי של מולקולות מימן.
Figure 2. בינה מלאכותית משווה בין מבנים נקבוביים רבים של פחמן ובוחרת אחד שהוא אופטימלי לאריזת מספר מקסימלי של מולקולות מימן.

לתת ל-AI לחפש עיצובים טובים יותר

ברגע שהרשת הנוירונית יכלה לחזות באופן אמין את תפיסת המימן, הצוות קישר אותה לכלי אוטומטי לאופטימיזציה. במקום רק לשאול, "בהינתן חומר זה, כמה מימן יאוחסן?", הם הפכו את השאלה ושאלו, "איזו קומבינציה של תכונות חומר ותנאי הפעלה תיתן את האחסון הטוב ביותר?" התוכנה שינתה גורמים כגון שטח פנים, נפחי נקבוביות זעירים ולחץ הגז תוך מעקב גם אחר מדד כללי של גודל הנקבוביות. היא חיפשה בחירות מאוזנות שיגדילו את כמות המימן המאוחסן וישמרו על נקבוביות קטנה מספיק כדי להיות מציאותיות לחומרים פחמניים.

לאזן ביצועים עם ריאליזם פיזי

האופטימיזציה הפיקה סט של ויתורים "בדיוק נכון", הידועים כחזית פארטו, שבה שיפור נוסף של אחסון המימן יצריך ויתור על שליטה בגודל הנקבוביות, ולהפך. חלק מהערכים החזויים הגבוהים ביותר דרשו דחיפה של שטח פנים וגודל נקבוביות מעבר למה שאכן יוצר במעבדה, לכן המחברים נטו לראות אותם כמגבלות תאורטיות עליונות ולא כהבטחות. כשהם הגבילו את החיפוש לשטחים פנימיים ריאליים יותר ולטמפרטורת בדיקה נפוצה לאחסון מימן, העיצובים החזויים הטובים ביותר תיישרו קו עם מה שמוכר מהניסויים, אך גם הצביעו על יעדים שאפתניים אך סבירים לחומרים עתידיים. זה מראה שבינה מלאכותית יכולה להציע מתכונים חדשים שכדאי לנסות, ולא רק להסביר נתונים ישנים.

מה משמעות הדבר לאנרגיה נקיה

לקורא שאינו מומחה, המסר העיקרי הוא שמחשבים יכולים כעת לעזור לעצב "מכלים" מוצקים טובים יותר למימן על ידי למידה מתוצאות מפוזרות ממחקרים רבים. הגישה כאן משלבת חיזוי וחיפוש חכם כדי להבליט מבני פחמן שצריכים לאחסן יותר מימן מבלי לנחש בעיוור. בעוד שהתחזיות הקיצוניות ביותר עדיין זקוקות לאימות במעבדה, העבודה מספקת מפת דרכים לצמצום ניסיון וטעייה ועלולה לסייע למהנדסים להתקדם לכיוון מערכות אחסון מימן שיתאימו בצורה בטוחה ויעילה לרכבים של העתיד.

ציטוט: Rocha, H.R.O., Romanos, J., Abou Dargham, S. et al. AI-driven optimization of hydrogen storage in porous carbon adsorbents. Sci Rep 16, 15143 (2026). https://doi.org/10.1038/s41598-026-45915-1

מילות מפתח: אחסון מימן, פחמן נקבובי, למידת מכונה, חומרי אנרגיה, ספיחת גז