Búsqueda de las relaciones entre la estructura de los materiales sólidos nanoporosos y sus capacidades de almacenamiento de hidrógeno, mediante redes neuronales

Abstract

La economía del hidrógeno es uno de los campos de investigación más importantes en la actualidad. La búsqueda de nuevos combustibles para sustituir a los hidrocarburos se ha hecho necesaria y urgente a causa del oligopolio, contaminación y limitación en el uso de los hidrocarburos más comunes como el petróleo. Uno de los principales candidatos como nueva fuente de energía es el hidrógeno, siendo los vehículos de hidrógeno una de las mejores alternativas como sustitutos de los vehículos de gasolina. Sin embargo, uno de los principales problemas del vehículo de hidrógeno es el almacenamiento del hidrógeno a bordo del vehículo. Una de las posibles soluciones a este complicado problema es el almacenamiento de hidrógeno mediante la adsorción en materiales sólidos nanoporosos. Este Trabajo de Fin de Grado se centra en el estudio de las capacidades volumétricas de almacenamiento de hidrógeno de materiales sólidos nanoporosos formados por poros plano-paralelos y cilíndricos o nanotubos, en función de su densidad y a temperatura ambiente y 25 MPa de presión. En estudios previos se obtuvieron estas capacidades mediante simulaciones GCMC, Grand Canonical Monte Carlo de poros plano-paralelos y cilíndricos, conllevando un coste operacional y temporal bastante elevado, lo que ralentiza el avance en este campo de investigación. Hemos usado los resultados de simulaciones GCMC de los citados poros y una red neuronal BackPropagation como herramienta para obtener las capacidades volumétricas correspondientes, demostrando la mejora en eficiencia frente a las simulaciones GCMC. Esto permitirá avanzar en el complicado problema de la economía del hidrógeno. En este Trabajo de Fin de Grado hemos tratado de relacionar la Física (capacidades de almacenamiento) con la Inteligencia Artificial (redes neuronales) y la Informática (implementación del código de la red neuronal).

The hydrogen economy is one of the most important fields of research today. The search for new fuels to replace the hydrocarbons is necessary and urgent due to the oligopoly, pollution and limited availability of the most common hydrocarbons such as oil. One of the main candidates as new energy source is hydrogen, being the hydrogen vehicles one of the best alternatives as substitutes of the gasoline cars. However, one of the main problems of the hydrogen vehicle is the onboard hydrogen storage. One of the possible solutions to this complicated problem is the hydrogen storage by adsorption on solid porous materials. This Final Degree Project is focused in the study of the volumetric hydrogen storage capacities of solid nanoporous materials composed by slit and cylindrical pores or nanotubes, as a function of the density and at room temperature and at a pressure of 25 MPa. These capacities were obtained in previous studies by means of GCMC, Grand Canonical Monte Carlo, simulations of slit and cylindrical pores, implying a rather high computational cost, which slows the advancement on this research field. We have used the results of the GCMC simulations of the mentioned pores and a BackPropagation neural network as a tool to get the corresponding volumetric capacities, showing the improvement of the efficiency vs the GCMC simulations. This will allow to progress in the complicated problem of the hydrogen economy. In this Final Degree Project we have tried to link the Physics (storage capacities) with the Artificial Intelligence (neural networks) and the Informatics (implementation of the neural network code).