മെഷീൻ ലേണിംഗ് രീതി ഹരിത ഊർജ്ജ വസ്തുക്കളുടെ കണ്ടെത്തൽ വേഗത്തിലാക്കുന്നു: ഗവേഷണം

You are currently viewing മെഷീൻ ലേണിംഗ് രീതി ഹരിത ഊർജ്ജ വസ്തുക്കളുടെ കണ്ടെത്തൽ വേഗത്തിലാക്കുന്നു: ഗവേഷണം

ഹരിത ഊർജ്ജ സാങ്കേതികവിദ്യകൾക്കായുള്ള വസ്തുക്കളുടെ കണ്ടെത്തൽ ത്വരിതപ്പെടുത്തുന്നതിന് മെഷീൻ ലേണിംഗ് ഉപയോഗിക്കുന്ന ഒരു ചട്ടക്കൂട് ഗവേഷകർ സൃഷ്ടിച്ചു. ഹൈഡ്രജൻ പോലുള്ള കാർബൺ പുറന്തള്ളാത്ത ഇന്ധനങ്ങളിൽ നിന്ന് വൈദ്യുതി ഉൽപാദിപ്പിക്കുന്ന ഉപകരണങ്ങളായ സോളിഡ് ഓക്സൈഡ് ഇന്ധന സെല്ലുകളിൽ പ്രയോഗിക്കുന്നതിനായി രണ്ട് പുതിയ കാൻഡിഡേറ്റ് മെറ്റീരിയലുകൾ അവർ തിരിച്ചറിയുകയും വിജയകരമായി സമന്വയിപ്പിക്കുകയും ചെയ്തു.

അഡ്വാൻസ്ഡ് എനർജി മെറ്റീരിയൽസ് ജേണലിൽ റിപ്പോർട്ട് ചെയ്ത ഒസാക്ക സർവകലാശാല, ഫൈൻ സെറാമിക്സ് സെന്റർ എന്നിവയുമായി സഹകരിച്ച് ക്യുഷു സർവകലാശാലയിലെ ഗവേഷകരുടെ കണ്ടെത്തലുകൾ ഊർജ്ജ മേഖലയ്ക്ക് പുറത്തുള്ള മറ്റ് നൂതന വസ്തുക്കൾക്കായുള്ള തിരയൽ ത്വരിതപ്പെടുത്താൻ ഉപയോഗിക്കാം.

ചൂടാകുന്ന കാലാവസ്ഥയോടുള്ള പ്രതികരണമായി, ഫോസിൽ ഇന്ധനങ്ങൾ ഉപയോഗിക്കാതെ ഊർജ്ജം ഉൽപാദിപ്പിക്കാൻ ഗവേഷകർ പുതിയ മാർഗങ്ങൾ വികസിപ്പിച്ചുകൊണ്ടിരിക്കുകയാണ്. “കാർബൺ നിഷ്പക്ഷതയിലേക്കുള്ള ഒരു മാർഗം ഒരു ഹൈഡ്രജൻ സമൂഹം സൃഷ്ടിക്കുക എന്നതാണ്. എന്നിരുന്നാലും, ഹൈഡ്രജൻ എങ്ങനെ നിർമ്മിക്കുന്നു, സംഭരിക്കുന്നു, കൊണ്ടുപോകുന്നു എന്ന് ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിനൊപ്പം, ഹൈഡ്രജൻ ഇന്ധന സെല്ലുകളുടെ ഊർജ്ജ ഉൽപാദന കാര്യക്ഷമതയും വർദ്ധിപ്പിക്കേണ്ടതുണ്ട്,” ക്യുഷു സർവകലാശാലയിലെ മെറ്റീരിയൽസ് സയൻസ് ആൻഡ് ടെക്നോളജി വിഭാഗത്തിലെ പ്രൊഫസർ യോഷിഹിരോ യമസാക്കി വിശദീകരിക്കുന്നു.

ഒരു വൈദ്യുത പ്രവാഹം സൃഷ്ടിക്കുന്നതിന്, സോളിഡ് ഓക്സൈഡ് ഇന്ധന സെല്ലുകൾക്ക് ഇലക്ട്രോലൈറ്റ് എന്നറിയപ്പെടുന്ന ഖര വസ്തുവിലൂടെ ഹൈഡ്രജൻ അയോണുകൾ (അല്ലെങ്കിൽ പ്രോട്ടോണുകൾ) കാര്യക്ഷമമായി നടത്താൻ കഴിയേണ്ടതുണ്ട്. നിലവിൽ, പുതിയ ഇലക്ട്രോലൈറ്റ് വസ്തുക്കളെക്കുറിച്ചുള്ള ഗവേഷണം പെറോവ്സ്കൈറ്റ് ഘടന എന്നറിയപ്പെടുന്ന ആറ്റങ്ങളുടെ വളരെ നിർദ്ദിഷ്ട ക്രിസ്റ്റൽ ക്രമീകരണങ്ങളുള്ള ഓക്സൈഡുകളിൽ ശ്രദ്ധ കേന്ദ്രീകരിച്ചു.

“കണ്ടെത്തിയ ആദ്യത്തെ പ്രോട്ടോൺ-ചാലക ഓക്സൈഡ് ഒരു പെറോവ്സ്കിറ്റ് ഘടനയിലായിരുന്നു, പുതിയ ഉയർന്ന പ്രകടനം കാഴ്ചവയ്ക്കുന്ന പെറോവ്സ്കിറ്റുകൾ തുടർച്ചയായി റിപ്പോർട്ട് ചെയ്യപ്പെടുന്നു,” പ്രൊഫസർ യമസാക്കി പറയുന്നു. “എന്നാൽ സോളിഡ് ഇലക്ട്രോലൈറ്റുകളുടെ കണ്ടെത്തൽ നോൺ-പെറോവ്സ്കിറ്റ് ഓക്സൈഡുകളിലേക്ക് വികസിപ്പിക്കാൻ ഞങ്ങൾ ആഗ്രഹിക്കുന്നു, അവയ്ക്ക് പ്രോട്ടോണുകളെ വളരെ കാര്യക്ഷമമായി നടത്താനുള്ള കഴിവുണ്ട്.”

എന്നിരുന്നാലും, പരമ്പരാഗത “ട്രയൽ ആൻഡ് പിശക്” രീതികളിലൂടെ ഇതര ക്രിസ്റ്റൽ ഘടനകളുള്ള പ്രോട്ടോൺ-ചാലക വസ്തുക്കൾ കണ്ടെത്തുന്നതിന് നിരവധി പരിമിതികളുണ്ട്. ഒരു ഇലക്ട്രോലൈറ്റിന് പ്രോട്ടോണുകൾ നടത്താനുള്ള കഴിവ് ലഭിക്കുന്നതിന്, ഡോപ്പന്റ് എന്നറിയപ്പെടുന്ന മറ്റൊരു പദാർത്ഥത്തിന്റെ ചെറിയ അടയാളങ്ങൾ അടിസ്ഥാന മെറ്റീരിയലിലേക്ക് ചേർക്കണം. എന്നാൽ നിരവധി മികച്ച ബേസ്, ഡോപ്പന്റ് സ്ഥാനാർത്ഥികൾ – ഓരോന്നിനും വ്യത്യസ്ത ആറ്റോമിക്, ഇലക്ട്രോണിക് ഗുണങ്ങളുണ്ട് – പ്രോട്ടോൺ ചാലകത വർദ്ധിപ്പിക്കുന്ന ഒപ്റ്റിമൽ കോമ്പിനേഷൻ കണ്ടെത്തുന്നത് ബുദ്ധിമുട്ടുള്ളതും സമയമെടുക്കുന്നതുമാണ്.

പകരം, ഗവേഷകർ വ്യത്യസ്ത ഓക്സൈഡുകളുടെയും ഡോപ്പന്റുകളുടെയും ഗുണങ്ങൾ കണക്കാക്കി. ഡാറ്റ വിശകലനം ചെയ്യാനും ഒരു മെറ്റീരിയലിന്റെ പ്രോട്ടോൺ ചാലകതയെ ബാധിക്കുന്ന ഘടകങ്ങൾ തിരിച്ചറിയാനും സാധ്യതയുള്ള സംയോജനങ്ങൾ പ്രവചിക്കാനും അവർ മെഷീൻ ലേണിംഗ് ഉപയോഗിച്ചു.

ഈ ഘടകങ്ങളാൽ നയിക്കപ്പെട്ട ഗവേഷകർ പിന്നീട് സവിശേഷമായ ക്രിസ്റ്റൽ ഘടനകളുള്ള രണ്ട് മികച്ച വസ്തുക്കൾ സമന്വയിപ്പിക്കുകയും പ്രോട്ടോണുകൾ എത്ര നന്നായി നടത്തുന്നുവെന്ന് വിലയിരുത്തുകയും ചെയ്തു. ശ്രദ്ധേയമായി, രണ്ട് വസ്തുക്കളും ഒരൊറ്റ പരീക്ഷണത്തിൽ പ്രോട്ടോൺ ചാലകത പ്രകടമാക്കി.

സിലനൈറ്റ് ക്രിസ്റ്റൽ ഘടനയുള്ള ആദ്യത്തെ അറിയപ്പെടുന്ന പ്രോട്ടോൺ കണ്ടക്ടറാണ് മെറ്റീരിയലുകളിൽ ഒന്നെന്ന് ഗവേഷകർ എടുത്തുപറഞ്ഞു. യൂലൈറ്റൈറ്റ് ഘടനയുള്ള മറ്റൊന്നിന് അതിവേഗ പ്രോട്ടോൺ ചാലക പാതയുണ്ട്, ഇത് പെറോവ്സ്കിറ്റുകളിൽ കാണുന്ന ചാലക പാതകളിൽ നിന്ന് വ്യത്യസ്തമാണ്. നിലവിൽ, ഇലക്ട്രോലൈറ്റുകളായി ഈ ഓക്സൈഡുകളുടെ പ്രകടനം കുറവാണ്, പക്ഷേ കൂടുതൽ പര്യവേക്ഷണത്തിലൂടെ, അവയുടെ ചാലകത മെച്ചപ്പെടുത്താൻ കഴിയുമെന്ന് ഗവേഷണ സംഘം വിശ്വസിക്കുന്നു.

“ഞങ്ങളുടെ ചട്ടക്കൂടിന് പ്രോട്ടോൺ-ചാലക ഓക്സൈഡുകൾക്കായുള്ള തിരയൽ ഇടം വളരെയധികം വികസിപ്പിക്കാനുള്ള കഴിവുണ്ട്, അതിനാൽ സോളിഡ് ഓക്സൈഡ് ഇന്ധന സെല്ലുകളിലെ മുന്നേറ്റങ്ങൾ ഗണ്യമായി ത്വരിതപ്പെടുത്തുന്നു. ഒരു ഹൈഡ്രജൻ സമൂഹം സാക്ഷാത്കരിക്കുന്നതിനുള്ള ഒരു നല്ല ചുവടുവയ്പ്പാണിത്,” പ്രൊഫസർ യമസാക്കി അവസാനിപ്പിക്കുന്നു. “ചെറിയ പരിഷ്കാരങ്ങളോടെ, ഈ ചട്ടക്കൂട് മെറ്റീരിയൽ സയൻസിന്റെ മറ്റ് മേഖലകളുമായി പൊരുത്തപ്പെടുത്താനും നിരവധി നൂതന വസ്തുക്കളുടെ വികസനം ത്വരിതപ്പെടുത്താനും കഴിയും.” (എഎൻഐ)

Dr Bibin

Experienced Researcher with a demonstrated history of working in the Deep Learning, Computer Vision

Leave a Reply