食物-水-能源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我们的淡水储备慢慢枯竭。发电厂是造成这一问题的罪魁祸首之一，因为它们每年使用数万亿加仑的淡水来防止过热。
德克萨斯A&M大学J. Mike Walker ' 66机械工程系教授Debjyoti Banerjee博士领导的一个研究小组表明，特定的相变材料(pcm)可以冷却发电厂使用的蒸汽涡轮机，从而避免淡水的使用。同时，他们利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，以开发出按需调度的强大“冷电池”。
他们的论文《利用机器学习(人工神经网络)提高相变材料储能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来降低成本和提高可靠性。水流经冷却塔，吸收热量并转化为蒸汽，然后用于冷凝涡轮机废气中的蒸汽。
由于对淡水的需求很高，使用可通过吸收热能从固态变为液态的pcm等替代方法越来越受到冷却发电厂和加工工业的关注。
该团队研究的第一种材料是生物衍生的蜡质材料(类似于猪油):碳足迹低的天然产品，相对便宜。虽然有效，但研究人员表明，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保障。
这导致了对另一种称为盐水合物的PCM的测试，这种PCM也便宜且对环境安全。盐水合物比蜡和猪油的威力更大，它所含的能量大约是蜡和猪油的两到三倍，但融化的速度更快。然而，这些材料有一个已知的缺陷——它们需要太长时间才能凝固(因为它们需要“过冷”)。没有可靠的融化和冷冻方法，盐水合物是无效的。
班纳吉说:“把这个过程想象成一个电动汽车电池——你想让它充电的时间很短，但它需要长时间运行。”“同样的概念也适用于pcm。我们需要一种能快速充电(冻结)，但又能长时间融化的PCM。”
为了提高这些pcm的可靠性并加快冻结速度，研究人员转向了机器学习。利用三个微型温度传感器的读数，他们记录了融化时间的历史。然后，他们实施机器学习来预测PCM何时以及融化多少以及何时开始冻结，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%的固化物，那么当你开始冷却循环时，它立即开始冻结。”“这种方法的美妙之处在于，用三个传感器和一个简单的计算机程序组成的基本设备，我们创造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电厂的这种精度，而Banerjee的新方法只需要几天。该算法可以在系统达到熔化峰值百分比前一小时(最多三小时)内告诉操作员，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。
这项工作目前由德克萨斯农工大学三合会转化基金(T3.项目名称:“面向大规模单植物灌溉的探索性微流体研究”，由德克萨斯农工大学研究副校长主持。
该出版物的合著者是机械工程系的学生Aditya Chuttar和Ashok Thyagarajan。这项利用pcm缓解食物-能源-水关系的研究源于高级研究计划署能源项目向德克萨斯农工大学工程实验站/德克萨斯农工大学Banerjee提供的350万美元研究资助，以及来自波音公司、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)的合作工程研究团队。加州大学洛杉矶分校的Vijay Dhir博士(目前是德州农工大学的哈格勒研究员，也是美国国家工程院的成员)是这个干冷高级研究合作团队的贡献成员。
这项研究的成功导致Banerjee研究小组成员的多项发明公开和专利申请，用于其他应用，如自动驾驶汽车。在Banerjee的实验室工作期间，德州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，在亚利桑那州的夏天延长了电动汽车计算单元的冷却时间，并在2018年赢得了汽车工程师协会自动驾驶挑战赛的几个类别的比赛。