Superharde materialen kunnen snijden, boor en polijst andere voorwerpen. Ze bieden ook de mogelijkheid om krasbestendige coatings te maken die dure apparatuur kunnen beschermen tegen beschadiging.

Nutsvoorzieningen, wetenschap opent de deur naar de ontwikkeling van nieuwe materialen met deze verleidelijke eigenschappen.

Onderzoekers hebben computationele technieken gebruikt om 43 voorheen onbekende vormen van koolstof te identificeren waarvan wordt gedacht dat ze stabiel en superhard zijn, waaronder verschillende waarvan wordt voorspeld dat ze iets harder of bijna net zo hard zijn als diamanten. Elke nieuwe koolstofvariëteit bestaat uit koolstofatomen die in een duidelijk patroon in een kristalrooster zijn gerangschikt.

De studie – gepubliceerd op 3 september in het tijdschrift npj Computational Materials -combineert computationele voorspellingen van kristalstructuren met machine learning om op zoek te gaan naar nieuwe materialen. Het werk is theoretisch onderzoek, wat betekent dat wetenschappers de nieuwe koolstofstructuren hebben voorspeld, maar ze nog niet hebben gecreëerd.

"Diamanten zijn op dit moment het hardste materiaal dat in de handel verkrijgbaar is, maar ze zijn erg duur " zegt de scheikundige Eva Zurek van de Universiteit van Buffalo. "Ik heb collega's die hogedrukexperimenten doen in het laboratorium, materialen tussen diamanten persen, en ze klagen over hoe duur het is als de diamanten breken.

"We zouden graag iets harders vinden dan een diamant. Als je andere materialen zou kunnen vinden die hard zijn, mogelijk zou je ze goedkoper kunnen maken. Ze kunnen ook nuttige eigenschappen hebben die diamanten niet hebben. Misschien zullen ze anders omgaan met warmte of elektriciteit, bijvoorbeeld."

Zurek, doctoraat, een professor in de chemie aan de UB College of Arts and Sciences, bedacht de studie en leidde het project samen met Stefano Curtarolo, doctoraat, hoogleraar werktuigbouwkunde en materiaalkunde aan de Duke University.

De zoektocht naar harde materialen

Hardheid heeft betrekking op het vermogen van een materiaal om vervorming te weerstaan. Zoals Zurek uitlegt, het betekent dat "als je een materiaal probeert te laten inspringen met een scherpe punt, er wordt geen gat gemaakt, of het gat zal heel klein zijn."

Wetenschappers beschouwen een stof als superhard als deze een hardheidswaarde heeft van meer dan 40 gigapascal, gemeten via een experiment dat de Vickers-hardheidstest wordt genoemd.

Alle 43 nieuwe koolstofstructuren van de studie zullen naar verwachting aan die drempel voldoen. Er wordt geschat dat drie de Vickers-hardheid van diamanten overschrijden, maar slechts een klein beetje. Zurek waarschuwt ook dat er enige onzekerheid in de berekeningen zit.

De moeilijkste structuren die de wetenschappers vonden, bevatten meestal fragmenten van diamant en lonsdaleite - ook wel hexagonale diamant genoemd - in hun kristalroosters. Naast de 43 nieuwe vormen van koolstof, het onderzoek voorspelt ook nieuw dat een aantal koolstofstructuren die andere teams in het verleden hebben beschreven, superhard zullen zijn.

Ontdekking van superharde materialen versnellen

De technieken die in het nieuwe artikel worden gebruikt, kunnen worden toegepast om andere superharde materialen te identificeren, inclusief degenen die andere elementen dan koolstof bevatten.

"Er zijn maar weinig superharde materialen bekend, dus het is interessant om nieuwe te vinden, Zurek zegt. "Eén ding dat we weten over superharde materialen is dat ze sterke bindingen moeten hebben. Koolstof-koolstofbindingen zijn erg sterk, dus daarom hebben we naar koolstof gekeken. Andere elementen die typisch in superharde materialen zitten, komen van dezelfde kant van het periodiek systeem, zoals boor en stikstof."

Om de studie uit te voeren, onderzoekers gebruikten XtalOpt, een open-source evolutionair algoritme voor kristalstructuurvoorspelling ontwikkeld in het laboratorium van Zurek, om willekeurige kristalstructuren voor koolstof te genereren. Vervolgens, het team gebruikte een machine learning-model om de hardheid van deze koolstofsoorten te voorspellen. De meest veelbelovende harde en stabiele structuren werden door XtalOpt gebruikt als "ouders" om extra nieuwe structuren te spawnen, enzovoort.

Het machine learning-model voor het schatten van hardheid is getraind met behulp van de Automatic FLOW (AFLOW) database, een enorme bibliotheek van materialen met eigenschappen die zijn berekend. Het laboratorium van Curtarolo onderhoudt AFLOW en ontwikkelde eerder het machine learning-model met de groep van Olexandr Isayev aan de Universiteit van North Carolina in Chapel Hill.

"Dit is een versnelde materiaalontwikkeling. Het zal altijd tijd kosten, maar we gebruiken AFLOW en machine learning om het proces enorm te versnellen, " zegt Curtarolo. "De algoritmen leren, en als je het model goed hebt getraind, het algoritme zal de eigenschappen van een materiaal voorspellen - in dit geval hardheid - met redelijke nauwkeurigheid."

"Je kunt de beste voorspelde materialen nemen met behulp van computertechnieken en ze experimenteel maken, " zegt co-auteur van de studie Cormac Toher, doctoraat, assistent-onderzoeksprofessor werktuigbouwkunde en materiaalkunde aan de Duke University.