論文の概要: An Introduction to Electrocatalyst Design using Machine Learning for Renewable Energy Storage

• arxiv url: http://arxiv.org/abs/2010.09435v1
• Date: Wed, 14 Oct 2020 19:34:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-07 14:38:57.376242
• Title: An Introduction to Electrocatalyst Design using Machine Learning for Renewable Energy Storage
• Title（参考訳）: 再生可能エネルギー貯蔵のための機械学習を用いた電気触媒設計入門
• Authors: C. Lawrence Zitnick, Lowik Chanussot, Abhishek Das, Siddharth Goyal, Javier Heras-Domingo, Caleb Ho, Weihua Hu, Thibaut Lavril, Aini Palizhati, Morgane Riviere, Muhammed Shuaibi, Anuroop Sriram, Kevin Tran, Brandon Wood, Junwoong Yoon, Devi Parikh, Zachary Ulissi
• Abstract要約: 再生可能エネルギーの水素やメタンへの変換は、国家規模のグリッドにスケールすることができる。 広く採用するには、このプロセスは電気化学反応の実行に対してコスト効率のよい解を必要とする。 オープンな課題は、これらの反応を高速に駆動する低コストの電気触媒を見つけることである。 機械学習の使用は、これらの計算を効率的に近似する方法を提供するかもしれない。
• 参考スコア（独自算出の注目度）: 36.556154866045894
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scalable and cost-effective solutions to renewable energy storage are essential to addressing the world's rising energy needs while reducing climate change. As we increase our reliance on renewable energy sources such as wind and solar, which produce intermittent power, storage is needed to transfer power from times of peak generation to peak demand. This may require the storage of power for hours, days, or months. One solution that offers the potential of scaling to nation-sized grids is the conversion of renewable energy to other fuels, such as hydrogen or methane. To be widely adopted, this process requires cost-effective solutions to running electrochemical reactions. An open challenge is finding low-cost electrocatalysts to drive these reactions at high rates. Through the use of quantum mechanical simulations (density functional theory), new catalyst structures can be tested and evaluated. Unfortunately, the high computational cost of these simulations limits the number of structures that may be tested. The use of machine learning may provide a method to efficiently approximate these calculations, leading to new approaches in finding effective electrocatalysts. In this paper, we provide an introduction to the challenges in finding suitable electrocatalysts, how machine learning may be applied to the problem, and the use of the Open Catalyst Project OC20 dataset for model training.
• Abstract（参考訳）: 再生可能エネルギー貯蔵のためのスケーラブルで費用対効果の高いソリューションは、気候変動を抑えながら世界のエネルギー需要の増大に対処するために不可欠である。 断続的な電力を発生させる風力や太陽などの再生可能エネルギー源への依存が高まるにつれ、ピーク時からピーク時への電力の移動には蓄電が必要である。 これは何時間も何日も何ヶ月も電力を蓄える必要がある。 再生可能エネルギーを水素やメタンなどの他の燃料に転換するという、全国規模のグリッドにスケールする可能性を提供するソリューションのひとつだ。 広く採用するには、このプロセスは電気化学反応の実行に対してコスト効率のよい解を必要とする。 オープンな課題は、これらの反応を高速に駆動する低コストの電気触媒を見つけることである。 量子力学シミュレーション(密度汎関数理論)を用いることで、新しい触媒構造を試験し評価することができる。 残念ながら、これらのシミュレーションの計算コストはテスト可能な構造物の数を制限している。 機械学習の使用は、これらの計算を効率的に近似する方法を提供し、効果的な電気触媒を見つけるための新しいアプローチをもたらすかもしれない。 本稿では,適切な触媒を見つける上での課題,その問題への機械学習の適用方法,およびモデルトレーニングにおけるOpen Catalyst Project OC20データセットの利用について紹介する。

関連論文リスト

• Feasibility of accelerating homogeneous catalyst discovery with fault-tolerant quantum computers [29.316760038691186]
  新規触媒の開発は化学製造の効率を大幅に向上させることができた。 本研究では, フォールトトレラント量子コンピュータを用いて均一触媒の発見を加速する可能性について検討した。
  論文  参考訳（メタデータ） (2024-06-10T14:52:20Z)
• AdsorbML: A Leap in Efficiency for Adsorption Energy Calculations using Generalizable Machine Learning Potentials [8.636519538557001]
  機械学習のポテンシャルを利用して、低エネルギー吸着面の配置をより正確に、効率的に特定できることを示す。 我々のアルゴリズムは、精度と効率のトレードオフのスペクトルを提供し、1つのバランスの取れたオプションは、その時間の87.36%のエネルギー構成を見つける。
  論文  参考訳（メタデータ） (2022-11-29T18:54:55Z)
• PhAST: Physics-Aware, Scalable, and Task-specific GNNs for Accelerated Catalyst Design [102.9593507372373]
  触媒材料は産業プロセスに関わる電気化学反応において重要な役割を担っている。 機械学習は、大量のデータから材料特性を効率的にモデル化する可能性を秘めている。 本稿では,ほとんどのアーキテクチャに適用可能なタスク固有のイノベーションを提案し,計算効率と精度の両立を図っている。
  論文  参考訳（メタデータ） (2022-11-22T05:24:30Z)
• Data-Driven Stochastic AC-OPF using Gaussian Processes [54.94701604030199]
  大量の再生可能エネルギーを電力網に統合することは、おそらく気候変動を遅らせる電力網からの二酸化炭素排出量を減らす最も有効な方法だろう。 本稿では、不確実な入力を組み込むことのできる交流電力流方程式に基づく代替データ駆動方式を提案する。 GPアプローチは、このギャップを交流電力流方程式に閉じるために、単純だが制約のないデータ駆動アプローチを学ぶ。
  論文  参考訳（メタデータ） (2022-07-21T23:02:35Z)
• Great Power, Great Responsibility: Recommendations for Reducing Energy for Training Language Models [8.927248087602942]
  一般的なNLPアプリケーションのエネルギー消費を削減できる技術について検討する。 これらの手法は、訓練言語モデルや推論に使用する際のエネルギー消費を著しく減少させる可能性がある。
  論文  参考訳（メタデータ） (2022-05-19T16:03:55Z)
• Modelling the transition to a low-carbon energy supply [91.3755431537592]
  気候変動の影響を制限するため、低炭素電力供給への移行が不可欠である。 二酸化炭素排出量の削減は、世界がピーク点に達するのを防ぐのに役立ちます。 排気ガスの排出は、世界中の気象条件の極端に繋がる可能性がある。
  論文  参考訳（メタデータ） (2021-09-25T12:37:05Z)
• Optimizing carbon tax for decentralized electricity markets using an agent-based model [69.3939291118954]
  人為的気候変動の影響を避けるためには、化石燃料から低炭素技術への移行が必要である。 炭素税は、この移行を支援する効率的な方法であることが示されている。 NSGA-IIの遺伝的アルゴリズムを用いて、電力混合の平均電気価格と相対炭素強度を最小化する。
  論文  参考訳（メタデータ） (2020-05-28T06:54:43Z)
• Towards the Systematic Reporting of the Energy and Carbon Footprints of Machine Learning [68.37641996188133]
  我々は、リアルタイムエネルギー消費と二酸化炭素排出量を追跡するための枠組みを導入する。 エネルギー効率のよい強化学習アルゴリズムのためのリーダーボードを作成します。 炭素排出量削減とエネルギー消費削減のための戦略を提案する。
  論文  参考訳（メタデータ） (2020-01-31T05:12:59Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。