食物-水-能量的关系决定了这三种必需品之间有直接的联系，强调其中一种会直接影响其他两种的供应。随着人口的增长，人类对能源和食物的需求导致淡水储备逐渐枯竭。发电厂是造成这一问题的罪魁祸首之一，因为他们每年使用数万亿加仑的淡水来防止过热。
德克萨斯农工大学机械工程系教授Debjyoti Banerjee博士领导的一个研究小组已经证明，特定的相变材料(PCMs)可以冷却发电厂使用的蒸汽轮机，避免淡水的使用。同时，他们使用机器学习技术来提高各种基于pcm的冷却平台的可靠性和能量存储能力，以开发强大的“冷电池”，按需调度。
他们的出版物“利用机器学习(人工神经网络)提高利用相变材料的热能存储平台的性能和可靠性”发表在美国机械工程师学会上能源技术杂志。
发电厂和加工工业在冷却塔中使用淡水，以降低成本和提高可靠性。水流经冷却塔，吸收热量，变成蒸汽，然后用来冷凝涡轮废气中的蒸汽。
随着对淡水的高需求，使用可以通过吸收热能从固体转变为液体状态的pcm等替代方法在冷却发电厂和加工工业中越来越受到关注。
研究小组研究的第一种材料是生物衍生的蜡质材料(类似于猪油):低碳足迹的天然产品，相对便宜。尽管有效，研究人员表明，蜡(石蜡)不能储存那么多的能量，也不能提供他们最初假设的冷却能力，因此，不能为极端气候提供足够的冷却，也不能在极端天气事件中提供安全。
这导致了对另一种称为盐水合物的PCM的测试，这种PCM也很便宜，对环境也安全。盐水合物比蜡和猪油更具冲击力，在融化速度更快的情况下，其能量大约是蜡和猪油的两到三倍。然而，这些材料有一个已知的缺陷——它们需要很长时间才能凝固(因为它们需要“过冷”)。没有可靠的融化和冻结方法，盐水合物是无效的。
班纳吉说:“把这个过程想象成电动汽车的电池，你希望它充电的时间很短，但它需要长时间运行。”“同样的概念也适用于pcm。我们需要一个PCM来快速充电(冻结)，但在很长时间内融化。”
为了提高这些pcm的可靠性和加速冻结，研究人员转向了机器学习。通过三个类似温度计的微型温度传感器的读数，他们记录了融化的时间历史。然后，他们实现了机器学习来预测PCM何时、有多少会融化，以及何时开始冻结，从而最大限度地提高冷却功率和容量。
班纳吉说:“使用这种方法，我们发现，如果你只融化90%的盐水合物，留下10%凝固，那么当你开始冷却循环的时候，它立即开始冻结。”“这种方法的美妙之处在于，通过三个传感器和一个简单的计算机程序，我们创建了一个具有成本效益、可靠和可持续的系统。”
目前，其他机器学习算法需要数年的数据才能达到发电厂的这种精度，而班纳吉的新方法只需要几天。该算法可以在系统达到熔点峰值前一小时(最多三小时)告诉操作员，预测精度为5到10分钟。该技术可以在任何过程工业或发电厂的任何现有冷却装置上进行改造。
这项工作目前由德州农工大学三合会转型基金(T3.项目)由德州农工大学研究副校长主持(项目名称:“针对大规模单植物灌溉的探索性微流体研究”)。
本文的共同作者是机械工程系的学生Aditya Chuttar和Ashok Thyagarajan。这项利用pcm减轻食物-能源-水联系的研究的来源是高级研究计划局能源计划向Banerjee提供的350万美元研究拨款，该研究位于德克萨斯农工大学工程实验站/德州农工大学，与波音公司、蒸发公司、Maulbetsch咨询公司、辛辛那提大学、加州大学伯克利分校和加州大学洛杉矶分校(UCLA)的工程研究团队合作。来自加州大学洛杉矶分校的Vijay Dhir博士(目前是德克萨斯A&M大学的Hagler研究员和美国国家工程院的成员)是这个先进的干式冷却研究合作团队的贡献成员。
这项研究的成功导致Banerjee研究小组的成员披露了多项发明，并申请了多项专利，用于其他应用，如自动驾驶汽车。在班纳吉的实验室工作期间，德克萨斯农工大学的本科生研究人员利用他们获得的关于盐水合物pcm的知识，设计了一辆配备“冷电池”的自动驾驶汽车，以在亚利桑那州的夏天长时间冷却电动汽车的计算单元，并在2018年赢得了汽车工程师协会自动驾驶挑战赛的多个类别的比赛。