RT info:eu-repo/semantics/bachelorThesis
T1 Búsqueda de las relaciones entre la estructura de los materiales sólidos nanoporosos y sus capacidades de almacenamiento de hidrógeno, mediante redes neuronales
A1 Baños Izquierdo, Álvaro
A2 Universidad de Valladolid. Facultad de Ciencias
K1 Almacenamiento de hidrógeno
K1 Redes neuronales
K1 Capacidad volumétrica
AB 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 hechonecesaria y urgente a causa del oligopolio, contaminación y limitación en el uso de los hidrocarburosmás comunes como el petróleo. Uno de los principales candidatos como nueva fuente deenergía es el hidrógeno, siendo los vehículos de hidrógeno una de las mejores alternativas comosustitutos de los vehículos de gasolina. Sin embargo, uno de los principales problemas del vehículode hidrógeno es el almacenamiento del hidrógeno a bordo del vehículo. Una de las posiblessoluciones a este complicado problema es el almacenamiento de hidrógeno mediante la adsorciónen materiales sólidos nanoporosos. Este Trabajo de Fin de Grado se centra en el estudio de lascapacidades volumétricas de almacenamiento de hidrógeno de materiales sólidos nanoporososformados por poros plano-paralelos y cilíndricos o nanotubos, en función de su densidad y atemperatura ambiente y 25 MPa de presión. En estudios previos se obtuvieron estas capacidadesmediante 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 eneste campo de investigación. Hemos usado los resultados de simulaciones GCMC de los citadosporos y una red neuronal BackPropagation como herramienta para obtener las capacidades volumétricascorrespondientes, demostrando la mejora en eficiencia frente a las simulaciones GCMC.Esto permitirá avanzar en el complicado problema de la economía del hidrógeno. En este Trabajode Fin de Grado hemos tratado de relacionar la Física (capacidades de almacenamiento) con laInteligencia Artificial (redes neuronales) y la Informática (implementación del código de la redneuronal).
YR 2022
FD 2022
LK https://uvadoc.uva.es/handle/10324/58301
UL https://uvadoc.uva.es/handle/10324/58301
LA spa
NO Departamento de Física Teórica, Atómica y Óptica
DS UVaDOC
RD 23-may-2024