碳纖維紙是氫燃料電池堆的關鍵材料，在促進水排出和燃料供應方面起著至關重要的作用。它由碳纖維、粘合劑和涂層等材料組成。隨著時間的推移，這些材料的排列、結構和涂層狀況會發生變化，導致燃料電池的性能下降。因此，分析碳纖維紙的微觀結構已成為診斷燃料電池狀況的必要步驟。

然而，迄今為止，實時分析碳纖維紙的高分辨率微觀結構仍是不可能的。這是因為要獲得準確的分析結果，需要破壞碳纖維紙樣品，然后用電子顯微鏡進行詳細檢查。

為了解決現有分析方法的局限性，研究團隊開發了一種使用X射線診斷和基于AI的圖像學習模型來分析碳纖維紙微觀結構的技術。值得注意的是，該技術僅使用X射線斷層掃描就可以進行精確分析，而無需使用電子顯微鏡。因此，它可以實現近乎實時的狀態診斷。

研究團隊從200多個碳纖維紙樣本中提取了5000幅圖像，并利用這些數據訓練了機器學習算法。訓練后的模型能夠預測碳纖維紙關鍵成分(包括碳纖維、粘合劑和涂層)的三維分布和排列，準確率超過98%。

此功能可以將碳纖維紙的初始狀態與當前狀態進行比較，從而立即識別性能下降的原因。該研究結果發表在《應用能源》雜志上。

傳統的分析方法是將碳纖維紙樣品粉碎后，用電子顯微鏡進行分析，至少需要兩個小時才能完成。而研究團隊開發的分析模型，僅使用X射線斷層掃描設備，就能在幾秒鐘內識別出碳纖維紙的劣化、受損部位和受損程度。

此外，研究團隊利用所開發模型的數據，系統地識別了碳纖維紙厚度、粘合劑含量等設計因素對燃料電池性能的影響，并提取了最優設計參數，提出了以提高燃料電池效率為目標的理想設計方案。