Multiskaliga hybrida kompositer av erytritol/diatomit/GNP för förbättrad termisk energilagring: experimentell och maskininlärningsbaserad optimering

Lagra värme för när vi behöver den

Det moderna livet blir alltmer beroende av energikällor som solen, vilka inte alltid levererar när vi behöver kraft. Ett sätt att jämna ut dessa svängningar är att lagra värme när den är riklig och frigöra den senare. Denna studie undersöker ett nytt sätt att bygga fasta block som kan absorbera stora mängder värme, behålla formen medan de smälter inuti och sedan återlämna värmen på begäran, vilket hjälper byggnader och apparater att använda energi mer effektivt.

Ett sött material med dolda begränsningar

I centrum för forskningen står erytritol, ett välbekant sötningsmedel som också råkar vara mycket bra på att lagra värme när det smälter och stelnar. När det övergår från fast till flytande absorbera det mycket energi, och när det fryser igen avger det den energin. Det gör det attraktivt för värmelagringssystem som arbetar vid måttliga temperaturer, såsom solvärme eller temperaturreglering i byggnader. Ren erytritol leder dock värme dåligt och tenderar att läcka när det smälter, så det kan inte helt enkelt hällas i en tank och förväntas fungera som önskat.

Förvandla pulver och flingor till en fast svamp

För att tygla erytritols svagheter byggde teamet en slags mineralsvamp. De använde diatomit, en naturkalkad, mycket porös bergart bildad av forntida mikroskopiska alger. Dess små kanaler fungerar som ett styvt ramverk som kan suga upp smält erytritol och hålla det på plats. Under vakuum drog forskarna det flytande sockeralkoholen in i diatomitens porer och lät sedan blandningen stelna till fasta bitar. Tester visade att högre halt diatomit kraftigt förbättrade formstabiliteten vid hög temperatur och minskade massförlusten vid uppvärmning från flera procent till strax över en procent, även om denna extra mineral också minskade hur mycket värme kompositen kunde lagra per gram.

Grafenvägar för snabbare värmeflöde

God lagringskapacitet räcker inte om värme inte kan röra sig snabbt in och ut. För detta tillsatte teamet små skivor av kol kallade grafennanoplattor, kända för sin utmärkta värmeledningsförmåga. Bilder från svepelektronmikroskop visade tunna, platta flingor väl fördelade genom diatomit- och erytritolblandningen, som bildar kontinuerliga vägar som hjälper värmen att sprida sig genom materialet. Med endast 4 procent grafen i vikt och 40 procent diatomit ökade kompositens termiska ledningsförmåga med ungefär 261 procent jämfört med ren erytritol, till värden mer typiska för konstruerade fasta material samtidigt som materialet förblev läckagefritt under smältning.

Låta algoritmer finjustera receptet

Eftersom mer mineral och mer grafen inte alltid betyder bättre prestanda vände sig författarna till datorbaserad modellering för att hitta det bästa receptet. De byggde två typer av modeller: en statistisk modell som passar en krökt yta genom data och ett enkelt artificiellt neuralt nätverk som efterliknar hur kombinationer av insatsvariabler påverkar ett utfall. Med mätningar från 27 olika blandningar lärde sig båda modellerna hur mängderna grafen och diatomit förändrade värmeflödet, och båda kunde förutsäga ledningsförmåga för nya blandningar med hög noggrannhet. Detta gjorde det möjligt för forskarna att kartlägga ett praktiskt intervall av sammansättningar som balanserar snabb värmeöverföring, god lagringskapacitet och låg vikt.

Varför detta spelar roll för vardagens energianvändning

Resultatet är en familj av fasta, läckagefria block som kan lagra stora mängder värme vid medelhöga temperaturer samtidigt som de flyttar värmen in och ut mycket snabbare än grundmaterialet ensam. Enkelt uttryckt visar studien hur en sockerliknande förening, en porös naturlig bergart och kolfiberflingor kan kombineras och finjusteras med hjälp av maskininlärning för att bygga smartare termiska batterier. Sådana material skulle kunna byggas in i solvärmare, byggnadsväggar eller värmetankar för att fånga värme när solen skiner och släppa ut den senare, vilket bidrar till att göra framtidens energisystem mer stabila och effektiva.

Citering: Nassar, A., Nassar, E., Rivilla, I. et al. Multi-scale hybrid composites of erythritol/diatomite/GNP for enhanced thermal energy storage: experimental and machine learning optimization. Sci Rep 16, 15458 (2026). https://doi.org/10.1038/s41598-026-41825-4

Nyckelord: termisk energilagring, fasändringsmaterial, erytritolkomposit, grafennanoplattor, optimering med maskininlärning