В пресс-службе Минобрнауки РФ сообщили, что ученые Томского политехнического университета (ТПУ) представили гибридные модели глубокого обучения, которые позволяют более точно прогнозировать растворимость водорода при его подземном хранении.
В последние годы водородные технологии вызывают всё больший интерес, так как переход на водородное топливо является ключевым для устойчивого энергетического будущего. Одним из важнейших вопросов является хранение водорода, который обычно сохраняется в газообразной или жидкой форме в наземных резервуарах. Однако более перспективным способом считается подземное хранение, для которого необходимо учитывать множество факторов, включая растворимость водорода в солёных водоносных горизонтах.
Традиционные методы измерения растворимости водорода сложны и дорогостоящи, но современные алгоритмы машинного обучения могут значительно улучшить точность прогнозов. В ТПУ разработали гибридные модели, объединяющие нейронные сети CNN и LSTM с оптимизационными алгоритмами. Эти модели показали отличные результаты, значительно превосходя традиционные подходы.
Интеграция методов глубокого обучения с оптимизационными алгоритмами позволит создать более экономически эффективные методы подземного хранения водорода, исключая необходимость в сложных лабораторных исследованиях.
