Het mixen en matchen van materialen – zelfs op moleculair niveau – kan verrassende nieuwe eigenschappen opleveren met voordelen voor elektronica, energie, geavanceerde productie en nog veel meer. Maar het optimaliseren van deze materiaalmashups kan een uitdaging zijn.

Onderzoekers van het National Institute of Standards and Technology (NIST) hebben een app ontwikkeld die de karakterisering van complexe materialen stroomlijnt. Het heet PyXRF en biedt een intuïtieve interface voor het vastleggen, verwerken en analyseren van röntgenfluorescentiegegevens (XRF), een veelgebruikte techniek voor het bepalen van de chemische samenstelling van materialen. Onderzoekers kunnen de wiskundige en statistische hulpmiddelen gebruiken die in de app zijn ingebouwd om de elementen en verbindingen in hun monsters te identificeren en hun verspreiding in kaart te brengen.

XRF is een krachtige techniek die snelle, niet-destructieve metingen mogelijk maakt die in het laboratorium of in het veld kunnen worden uitgevoerd, zegt PyXRF-ontwikkelaar Michael Wharry, een NIST-computerwetenschapper en werktuigbouwkundig ingenieur. Het proces voor het interpreteren van XRF-gegevens kan echter ingewikkeld zijn.

"De wiskunde en statistieken om XRF-gegevens te begrijpen kunnen complex zijn, en veel van de standaardtools zijn voor onderzoekers moeilijk te gebruiken", aldus Wharry. "Het idee achter PyXRF was om gebruiksvriendelijke software te ontwikkelen waarmee meer onderzoekers kunnen profiteren van XRF-analyses, ook degenen zonder gespecialiseerde training in computerprogrammering of data-analyse."

Naast het bieden van een vereenvoudigde software-interface aan gebruikers, bevat PyXRF ook wiskundige en statistische modellen die gebruikers begeleiden bij het correct configureren van de parameters van hun XRF-metingen. Deze modellen verbeteren metingen van hoeveel van een element of verbinding in een materiaal aanwezig is, en ook hoe dat materiaal op microscopische schaal is gelaagd of gemengd.

De XRF-gegevens die met PyXRF worden verwerkt, kunnen belangrijke inzichten verschaffen in het gedrag en de eigenschappen van materialen, vooral op hun atomaire en moleculaire schaalinterfaces, waar vaak nieuwe functionaliteit ontstaat.

Onderzoekers die bijvoorbeeld composietmaterialen bestuderen, willen misschien de verdeling van verschillende vezels binnen een matrix op micronlengteschaal begrijpen. PyXRF kan ook onderzoekers informeren die geïnteresseerd zijn in hoe dunne films groeien of hoe coatings zich aan oppervlakken hechten; kennis die wetenschappers kan helpen nieuwe materialen met specifieke prestatiekenmerken te ontwikkelen.

"Het begrijpen en beheersen van de interactie tussen materialen, hoe ze samenkomen en zich gedragen op microscopische schaal wordt steeds belangrijker bij het realiseren van nieuwe materiaaleigenschappen en functionaliteiten", aldus Wharry. "De PyXRF-software gaat eigenlijk over het ontsluiten van inzichten in die kleine regio's binnen een materiaal die bepalen hoe het zich gedraagt."