Avance para hacer más viables las energías renovables
Las tecnologías para el sector de las energías renovables son una solución prometedora para abordar las necesidades energéticas mundiales de manera sostenible.
Sin embargo, la adopción generalizada de recursos energéticos renovables procedentes de la energía solar, eólica, biomasa y otras fuentes se ha retrasado, en parte debido a que son difíciles de almacenar y transportar.
A medida que continúa la búsqueda de materiales para atender eficientemente estas necesidades de almacenamiento y transporte, los investigadores del Centro de Catálisis para la Innovación Energética (CCEI) de la Universidad de Delaware informan sobre nuevas técnicas para caracterizar materiales complejos con el potencial de superar estos desafíos.
Los investigadores informaron recientemente de su técnica en la revista Nature Communications.
Actualmente existen tecnologías para caracterizar superficies altamente ordenadas con patrones específicos de repetición, como los cristales. La descripción de superficies sin patrones de repetición es un problema más difícil.
El candidato a doctorado de la UD y becario de postgrado Josh Lansford, y Dion Vlachos, que dirige tanto el CCEI como el Instituto de Energía de Delaware y es Profesor de Ingeniería Química y Biomolecular, han desarrollado un método para observar la estructura de la superficie local de las partículas a escala atómica en detalle, manteniendo simultáneamente a todo el sistema a la vista.
El enfoque, que aprovecha el aprendizaje automático, técnicas de ciencia de los datos y modelos basados en la física, permite a los investigadores visualizar de cerca la estructura tridimensional real de un material que les interesa, pero también en su contexto. Esto significa que pueden estudiar partículas específicas en la superficie del material, pero también observar cómo evoluciona la estructura de la partícula — a lo largo del tiempo — en presencia de otras moléculas y bajo diferentes condiciones, como la temperatura y la presión.
l equipo de investigación utilizó mediciones experimentales de diferentes longitudes de onda de la luz infrarroja y el aprendizaje automático para predecir y describir las propiedades químicas y físicas de diferentes superficies de materiales. Los modelos fueron entrenados enteramente con datos generados matemáticamente, permitiéndoles visualizar muchas opciones diferentes bajo muchas condiciones diferentes.
Desarrollaron un software especial de código abierto para aplicar la técnica en diferentes metales, materiales y adsorbentes. La metodología es lo suficientemente flexible como para ser utilizada con otras técnicas espectroscópicas más allá de la luz infrarroja, de modo que otros científicos e ingenieros pueden modificar el software para avanzar en su propio trabajo.
«Este trabajo introduce una forma completamente nueva de pensar sobre cómo salvar la brecha entre los materiales del mundo real y los sistemas de modelos bien definidos, con contribuciones a la ciencia de la superficie y al aprendizaje automático que se sostienen por sí solas», dijo Lansford. (Fuente: NCYT Amazings)
