Wetenschap
Topologische verschillen van best presterende materialen voor methaanopslag. Topologische data-analyse onthult de overeenkomst tussen structuren; elk knooppunt vertegenwoordigt een familie van vergelijkbare materialen, terwijl een netwerk tussen twee knooppunten aangeeft dat ze ten minste één materiaal delen. Hoe verder de knooppunten uit elkaar staan, hoe meer de materialen verschillen. De foto's tonen voorbeelden van nanoporeuze materialen aan de randen, en vertegenwoordigen de topologisch meest verschillende materialen (rood =Si, geel =O, blauwe zone =Poriën) Credit:Berend Smit/EPFL
Materialen geclassificeerd als "nanoporeus" hebben structuren (of "frameworks") met poriën tot 100 nm in diameter. Deze omvatten diverse materialen die op verschillende gebieden worden gebruikt, van gasscheiding, katalyse, en zelfs medicijnen (bijv. actieve kool). De prestatie van nanoporeuze materialen hangt af van zowel hun chemische samenstelling als de vorm van hun poriën, maar dat laatste is heel moeilijk te kwantificeren. Tot dusver, scheikundigen vertrouwen op visuele inspectie om te zien of twee materialen vergelijkbare poriën hebben. EPFL-wetenschappers, in het kader van NCCR-MARVEL, hebben nu een innovatieve wiskundige methode ontwikkeld waarmee een computer de gelijkenis van poriestructuren kan kwantificeren. De methode maakt het mogelijk om databases met honderdduizenden nanoporeuze materialen te doorzoeken om nieuwe materialen met de juiste poriestructuur te ontdekken. Het werk is gepubliceerd in Natuurcommunicatie .
De zoektocht naar nanoporeuze materialen
Nanoporeuze materialen omvatten een brede categorie en kunnen sterk verschillen in hun chemische samenstelling. Wat hen verenigt, is de aanwezigheid van poriën van nanogrootte in hun driedimensionale structuur, waardoor ze katalytische en absorptie-eigenschappen hebben. Deze poriën kunnen variëren van 0,2-1000 nanometer, en hun grootte en vorm (hun "geometrie") kunnen een beslissende invloed hebben op de eigenschappen van het materiaal. In feite, de vorm van de poriën is een even belangrijke voorspeller van prestatie als de chemische samenstelling.
Vandaag, computers kunnen grote databases met potentiële materialen genereren en bepalen - voordat ze moeten worden gesynthetiseerd - welke materialen het beste presteren voor een bepaalde toepassing. Maar hun chemie is zo veelzijdig dat het aantal mogelijke nieuwe materialen bijna onbeperkt is, terwijl we geen methode hebben voor het kwantificeren en vergelijken van gelijkenis tussen poriegeometrieën. Dit alles betekent dat het een uitdaging is om het beste nanoporeuze materiaal voor een bepaalde toepassing te vinden.
Wiskunde te hulp
Een nieuwe methode die is ontwikkeld in een samenwerking van de laboratoria van Berend Smit en Kathryn Hess Bellwald bij EPFL, maakt gebruik van een techniek uit de toegepaste wiskunde die "persistente homologie" wordt genoemd. Deze techniek kan de geometrische gelijkenis van poriestructuren kwantificeren door gebruik te maken van de wiskundige hulpmiddelen die vaak worden gebruikt door Facebook en anderen om vergelijkbare gezichten te vinden in geüploade foto's.
De persistente homologiemethode produceert "vingerafdrukken", weergegeven door streepjescodes, die de porievormen van elk materiaal in de database karakteriseren. Deze vingerafdrukken worden vervolgens vergeleken om te berekenen hoe vergelijkbaar de porievormen van twee materialen zijn. Dit betekent dat deze benadering kan worden gebruikt om databases te screenen en materialen met vergelijkbare poriestructuren te identificeren.
De EPFL-wetenschappers laten zien dat de nieuwe methode effectief is in het identificeren van materialen met vergelijkbare poriegeometrieën. Een klasse nanoporeuze materialen die baat zou hebben bij deze innovatie zijn de zeolieten en de metaal-organische raamwerken (MOF's), waarvan de toepassingen variëren van gasscheiding en opslag tot katalyse.
De wetenschappers gebruikten de opslag van methaan - een belangrijk aspect van hernieuwbare energie - als case study. De nieuwe methode toonde aan dat het mogelijk is om nanoporeuze materialen te vinden die even goed presteren als bekende best presterende materialen door databases te doorzoeken op vergelijkbare porievormen.
Omgekeerd, de studie toont aan dat de porievormen van de best presterende materialen kunnen worden gesorteerd in topologisch verschillende klassen, en dat materialen uit elke klasse een andere optimalisatiestrategie vereisen.
"We hebben een database van meer dan 3, 000, 000 nanoporeuze materialen, dus het vinden van vergelijkbare structuren door visuele inspectie is uitgesloten, ", zegt Berend Smit. "In feite, door de literatuur bladeren, we ontdekten dat auteurs zich vaak niet realiseren wanneer een nieuwe MOF dezelfde poriestructuur heeft als een andere. We hebben dus echt een rekenmethode nodig. Echter, terwijl mensen intuïtief goed zijn in het herkennen van vormen als hetzelfde of verschillend, we moesten samenwerken met de wiskundeafdeling van EPFL om een formalisme te ontwikkelen dat deze vaardigheid aan een computer kan leren."
"Op het gebied van algebraïsche topologie, wiskundigen hebben de theorie van persistentie-homologie in elke dimensie geformuleerd, ", zegt Kathryn Hess. "Eerdere toepassingen gebruikten alleen de eerste twee van deze dimensies, dus het is opwindend dat chemische ingenieurs van EPFL een belangrijke toepassing hebben ontdekt die ook de derde dimensie vereist."
Wetenschap © https://nl.scienceaq.com