悉尼新南威尔士大学（UNSW Sydney）的研究人员开发了一种算法，可以从低分辨率的微X射线计算机断层扫描（CT）中生成高分辨率的模型图像。在《Nature Communications》的一篇公开论文中详细介绍了这一新工艺，该工艺已在单个氢燃料电池上进行了测试，以精确地对内部进行建模，并可能提高其效率。
如果水不能正确流出质子交换膜燃料电池（PEMFC）并随后“淹没”系统，则质子交换膜燃料电池可能会变得效率低下。到目前为止，由于燃料电池体积非常小，结构非常复杂，工程师们很难理解燃料电池内部排水或水池的精确方式。
新南威尔士大学研究人员创建的解决方案允许深度学习，通过利用电池的低分辨率X射线图像创建详细的3D模型，同时从伴随的小部分高分辨率扫描中外推数据。
与高分辨率图像相比，被称为DualEDSR的超分辨率算法将视野提高了约100倍。
在DualEDSR的训练和测试过程中，当从低分辨率图像生成高分辨率模型时，该算法获得了97.3%的准确率。它还仅在1小时内制作了一个高分辨率模型，而使用微型CT扫描仪获得燃料电池整个部分的高分辨率图像需要1188小时（相当于50天不间断）。
研究中详细描述的建模过程的一个限制是，需要用同一台机器在同一位置拍摄较大比例的低分辨率图像和较小比例的高分辨率图像。
这些被称为感兴趣区域扫描仪，是目前许多设施中可能没有的专用设备。然而，该团队希望进一步的研究将使深度学习技术在未来产生类似的结果，当呈现的图像不是在同一地点拍摄的，甚至可能不是使用完全相同的仪器或材料时。
