De potentiële toepassingen voor op maat gemaakte koolstofoppervlakken zijn breed en omvatten beschermende coatings, auto onderdelen, biomedische coatings en biosensoren. Maar om deze ontwikkelingen te realiseren, gedetailleerde kennis op atomair niveau is nog steeds nodig over hoe koolstofoppervlakken zijn gestructureerd en hoe ze kunnen worden gewijzigd.

Dankzij de ontwikkeling van een nieuw rekenmodel, Postdoctoraal onderzoeker Miguel Caro leidt op dit gebied onderzoek door onderzoekers van Aalto University, die samenwerken met professor Gábor Csányi en Dr. Volker Deringer van de universiteit van Cambridge.

"Voor de eerste keer, we kunnen de chemische eigenschappen van koolstofoppervlakken identificeren en beter begrijpen hoe we ze voor specifieke doeleinden kunnen voorbereiden, " legt professor Tomi Laurila van Aalto University uit.

De lokale omgeving van elk atoom in amorfe koolstofatomen, ook wel diamantachtige koolstoffen genoemd, is een beetje anders. Dit betekent dat het aantal naburige atomen, evenals de afstanden en hoeken ertussen, varieert, vormt een grote uitdaging bij het zoeken naar het aanpassen van deze oppervlakken.

Het nieuwe rekenmodel heeft onderzoekers eindelijk in staat gesteld een grote verscheidenheid aan lokale atomaire omgevingen te identificeren en deze te classificeren op basis van hun eigenschappen. Het onderzoeksteam heeft ook de verschillende sterktes berekend waarmee verschillende groepen - waterstof, alcohol (hydroxyl), en zuurstof - zullen zich hechten aan oppervlaktelocaties. Sommige obligaties zijn van nature, sterker dan anderen. Omdat nieuwe informatie over de oppervlaktestructuren kan worden opgenomen om het model te 'bijscholen' en te verbeteren, de eigenschappen van nog onbekende oppervlakken kunnen worden voorspeld op basis van eerdere resultaten.

"Door berekeningen we kunnen nu niet alleen onderzoeken hoe materiaaloppervlakken eruit zien op atomair niveau, maar ook zien hoe ze interageren met andere stoffen die worden geanalyseerd, evenals de soorten chemische groepen die door deze interactie op deze oppervlakken worden gevormd, begrijpen. We onderzoeken ook welke soorten oppervlakken nodig zijn om de interactie met moleculen die we zouden willen kunnen detecteren, te optimaliseren, zoals waterstofperoxide, ", legt Laurala uit.

Met andere woorden, deze simulatiemodellen op basis van dichtheidsfunctionaaltheorie en machine learning vertellen ons welke soorten structuren kunnen worden ontwikkeld - en hoe die structuren kunnen worden geoptimaliseerd voor specifieke toepassingen.

"In de toekomst zullen we koolstofoppervlakken op maat kunnen produceren, bijvoorbeeld, voor medische sensoren, die zou kunnen worden gebruikt om de concentratie van een bepaald medicijn in het bloed van een patiënt in realtime te volgen. Het volgen van veranderingen in specifieke biomarkers bij patiënten kan de sleutel zijn tot het verbeteren van de momenteel gebruikte therapeutische behandelingen, of ons te helpen het risico op uitbraken van veel voorkomende ziekten eerder dan ooit te identificeren, ' zegt Laurel.

Het onderzoek is vandaag gepubliceerd in Chemie van materialen.