通过跨学科的合作与交流,我们能够突破传统思维的边界,开拓新的研究领域。

——院长致词

首页 > 科学研究 > 医药卫生

工程师开发了一种方法来确定材料表面的行为

本站发布时间:2023-12-09 15:16:45
注:部分名称可能翻译不全,如有问题可联系15163559288@163.com

设计新的复合材料或所有表面可用于催化化学反应的材料可以是一个复杂的过程,这在很大程度上依赖于化学家的经验麻省理工学院的一批研究人员开发了一种使用机器学习的方法,这种方法消除了对直观和提供比传统方法更详细信息的需求

例如,将新系统应用于传统专家已经研究了30年的材料,他们发现组件的表面被两个以前没有识别的新的tomic-configuration覆盖,而在以前的工作中发现的另一个配置可能不稳定

本周,麻省理工学院研究生杜晓晨教授在《自然计算科学》杂志上发表了这一发现;我是Bombarellian和Bilge Yildiz,MitLincoln实验室技术人员LinLi和其他三人

材料表面软化与周围环境的相互作用取决于表面上的精确配置脂肪,而这取决于暴露的材料的假结构部分考虑一下由水果和坚果组成的蛋糕:根据你切蛋糕的具体方式,不同的蛋糕和水果的数量和排列方式会在你的切片上显示出来环境问题正在膨胀蛋糕的表面看起来会因烘焙而不同,从而使表面变得粘稠、粗糙、粗糙当浸入液体中或暴露在不同的温度下时,这可能会导致材料的表面相应

通常用于表征材料表面的方法是静态的,着眼于半无限可能性的特定配置新方法允许在第一个原则的基础上对所有偏差进行估计,自动选择迭代机器学习过程中的计算,以找到具有所需特性的材料

除此之外,非典型的呈现方法还可以扩展新系统,以提供有关在操作条件下表面性质如何随时间变化的动态信息,例如,在催化促进化学反应的同时,或在减少电能充电或放电的同时

他们称之为自动表面重建框架的研究者的方法,避免了所有的需要,并选择了模拟中使用的神经网络表面修复的例子相反,它从一个简单的示例开始,然后使用与该类型的蒙特-卡尔算法相结合的主动学习来选择在表面上采样的位置,评估每个示例的结果,以指导选择其他位置根据5000个第一原理计算,在数百万个可能的化学成分和配置之外,该系统可以准确地预测各种电化学相关电势的表面能

“Wearelookgat热力学,”Dusays“,这意味着,在不同类型的外部条件下,如压力、温度和化学势,这些条件可以与表面的浓度有关,[我们可以研究]表面最稳定的结构是什么?”

原则上,确定材料表面的热力学性质需要了解表面能量在特定的组织结构中的分布,然后确定这些能量的百万分之一时间,以比较所有可能的变化,并捕捉建立过程的动力无论在计算上是否可行,在典型的实验室规模上,“它只是不可行”,Gó;mez Bombarelli说研究人员仅通过检查两个特定的病例就取得了良好的结果,但他说,这并不是所有病例都能提供所涉及的动力特性的真实统计图

使用Dusays这一确定的方法,“我们有了新的功能,可以对不同成分和配置的热动力学进行自定义采样。我们还表明,磨损可以实现更低成本的座椅,而机械能量评估的成本更低。而且磨损可以达到硬质材料的所有要求,”包括三种成分材料

“在这个领域里通常做的事情,”他说,“是研究人员根据他们的直觉和知识,只会在没有工作的表面上进行测试。但我们没有考虑到采样,而是自动完成的。”他说“我们已经改变了一个过程,这个过程曾经是不可能的,或者由于人类直觉的需要而变得非常漫长。现在,我们需要最少的人类输入。我们简单地提供了一个新的表面,并进一步处理了剩下的东西。”

该工具或计算机算法称为AutoSurfRecon,已被研究人员免费提供,因此可以下载并由世界各地的研究人员使用,以帮助开发新的催化剂材料,例如,用于生产作为替代无排放燃料的“绿色”氢,或用于新的电池或燃料电池组件

例如,Gó;Bombarelli说,在开发用于制氢的催化剂时,“部分问题是,当催化循环发生时,我们并没有真正了解它们的表面与体积的区别。因此,材料在被填充时的外观与在进行准备之前的外观之间存在脱节。”

Headdsthat“在一天结束时,如果不进行催化,则催化剂工作的整体响应——表面上的某些原子数量很少,因此所有的模式都会使表面看起来很光滑。”

另一个潜在的应用是研究用于从大气和发电厂排放中去除二氧化碳的化学反应的动力学这些措施是通过使用作为吸收氧气的吸收点的材料来软化工作的,从而从二氧化碳二元分子中释放出三个脱氧分子,留下一氧化碳,这可以提供充足的燃料或化学原料开发这种材料“需要理解表面与氧的关系,以及它的结构”,Gó;mez Bombarelli说

使用该工具,研究人员研究了钙钛矿材料钛酸锶或SrTiO3的表面活性物质排列,他们已经使用传统方法分析了30多年,但仍然没有完全理解他们发现了以前没有报告过的一个令人满意的表面排列,他们预测已经报告的一个排列事实上可能会发生所有的事情


来源:

Materials provided by
Massachusetts Institute of Technology. Original written by David L. Chandler.
注明: Content may be edited for style and length.


参考:

  1. Xiaochen Du, James K. Damewood, Jaclyn R. Lunger, Reisel Millan, Bilge Yildiz, Lin Li, Rafael Gómez-Bombarelli.
    Machine-learning-accelerated simulations to enable automatic surface reconstruction. Nature Computational Science, 2023; DOI: 10.1038/s43588-023-00571-7

排行榜

备案号:京ICP备2023036195号-1

地址:北京市丰台区南三环西路16号2号楼

地址:山东省济南市历城区唐冶绿地汇中心36号楼

电话: 400-635-0567

北前院微信公众号