"La géométrie des espaces est une propriété fondamentale des matériaux poreux qui régit leur capacité à stocker et à transporter des fluides", a déclaré Dongxiao Zhang, scientifique d'Argonne et co-auteur de l'étude. "Cependant, déterminer avec précision la géométrie des espaces à partir de données expérimentales ou de simulations constitue une tâche difficile, en particulier pour les matériaux poreux complexes."
Les chercheurs ont développé l'algorithme PGNet à l'aide d'une technique d'apprentissage automatique appelée réseaux de neurones convolutifs (CNN). Les CNN sont un type d’algorithme d’apprentissage en profondeur bien adapté aux tâches d’analyse et de reconnaissance d’images. Les chercheurs ont entraîné l’algorithme PGNet sur un vaste ensemble de données d’images de matériaux poreux simulés et ont montré qu’il pouvait déterminer avec précision la géométrie des espaces de ces matériaux.
Les chercheurs ont ensuite utilisé l’algorithme PGNet pour étudier la structure des liquides dans des matériaux poreux. Ils ont découvert que la géométrie des espaces des matériaux poreux a un impact significatif sur la structure des liquides confinés dans les pores.
Ce travail a été financé par l'Office of Basic Energy Sciences du DOE. L'équipe de recherche comprenait Dongxiao Zhang, Yuan Cheng et Yongqiang Cheng du Laboratoire national d'Argonne ; et Jialin Li et Ruiqiang Li de l'Université du Nebraska à Omaha.
L'étude est publiée dans la revue Nature Communications.