Hidrojen yakıt hücrelerinin performansını artırmak için kritik öneme sahip olan proton iletken malzemelerin keşfi, yapay zeka teknolojileriyle yeni bir boyut kazandı. Araştırmacılar, metal-organik kafes (MOF) yapılarının proton iletkenlik özelliklerini tahmin etmek için gelişmiş makine öğrenmesi modelleri geliştirdi.
MOF malzemeleri, katı hal elektrolitleri olarak yakıt hücrelerinde büyük potansiyel göstermesine rağmen, proton iletkenlik sergileyen MOF sayısı sınırlı kalıyor ve bu fenomenin altında yatan mekanizmalar henüz tam olarak anlaşılmış değil. Bu durum, proton iletken MOF'ların tasarımını zorlaştırıyor.
Çalışmada iki farklı yaklaşım benimsenmiş: tanımlayıcı tabanlı modeller ve transformer tabanlı modeller. En başarılı sonucu transformer tabanlı transfer öğrenme modeli verdi ve 0.91 ortalama mutlak hata değeriyle proton iletkenliğini bir büyüklük sırası hassasiyetinde tahmin edebildi.
Araştırmacılar ayrıca özellik önem analizi ve temel bileşen analizi kullanarak proton iletkenliğini etkileyen faktörleri inceledi. Bu bulgular, gelecekte daha etkili yakıt hücresi malzemelerinin tasarımında rehberlik edecek.
Bu çalışma, temiz enerji teknolojilerinin geliştirilmesinde yapay zekanın rolünü güçlendirerek, sürdürülebilir enerji çözümlerine katkı sağlıyor.