Topologiska skillnader mellan högpresterande material för metanlagring. Topologisk dataanalys avslöjar likheten mellan strukturer; varje nod representerar en familj av liknande material, medan ett nätverk mellan två noder indikerar att de delar minst ett material. Ju längre isär noderna är, desto mer olika material. Bilderna visar exempel på nanoporösa material vid kanterna, och representerar de topologiskt mest olika materialen (röd =Si, gul =O, blått område =Porer) Kredit:Berend Smit/EPFL
Material klassificerade som "nanoporösa" har strukturer (eller "ramverk") med porer upp till 100 nm i diameter. Dessa inkluderar olika material som används inom olika områden från gasseparering, katalys, och till och med medicin (t.ex. aktivt kol). Prestandan hos nanoporösa material beror på både deras kemiska sammansättning och formen på deras porer, men det senare är mycket svårt att kvantifiera. Än så länge, kemister förlitar sig på visuell inspektion för att se om två material har liknande porer. EPFL-forskare, inom ramen för NCCR-MARVEL, har nu utvecklat en innovativ matematisk metod som gör att en dator kan kvantifiera likheten mellan porstrukturer. Metoden gör det möjligt att söka i databaser med hundratusentals nanoporösa material för att upptäcka nya material med rätt porstruktur. Verket publiceras i Naturkommunikation .
Sökandet efter nanoporösa material
Nanoporösa material utgör en bred kategori och kan skilja sig mycket åt i sin kemiska sammansättning. Det som förenar dem är närvaron av porer i nanostorlek i deras tredimensionella struktur, vilket ger dem katalytiska och absorberande egenskaper. Dessa porer kan variera mellan 0,2-1000 nanometer, och deras storlek och form (deras "geometri") kan ha en avgörande inverkan på materialets egenskaper. Faktiskt, porformen är en lika viktig prediktor för prestanda som den kemiska sammansättningen.
I dag, datorer kan generera stora databaser med potentiellt material och avgöra – innan de måste syntetisera dem – vilket material som skulle fungera bäst för en given applikation. Men deras kemi är så mångsidig att antalet möjliga nya material är nästan obegränsat, medan vi inte har en metod för att kvantifiera och jämföra likheter mellan porgeometrier. Allt detta innebär att det är en utmaning att hitta det bästa nanoporösa materialet för en given applikation.
Math till undsättning
En ny metod utvecklad i ett samarbete mellan Berend Smit och Kathryn Hess Bellwalds labb vid EPFL använder en teknik från tillämpad matematik som kallas "persistent homology". Denna teknik kan kvantifiera den geometriska likheten mellan porstrukturer genom att använda de matematiska verktyg som vanligtvis används av Facebook och andra för att hitta liknande ansikten i uppladdade bilder.
Den persistenta homologimetoden ger "fingeravtryck", representeras av streckkoder, som kännetecknar porformerna för varje material i databasen. Dessa fingeravtryck jämförs sedan för att beräkna hur lika porformerna hos två material är. Detta innebär att detta tillvägagångssätt kan användas för att screena databaser och identifiera material med liknande porstrukturer.
EPFL-forskarna visar att den nya metoden är effektiv för att identifiera material med liknande porgeometrier. En klass av nanoporösa material som skulle dra nytta av denna innovation är zeoliter och metall-organiska ramverk (MOFs), vars tillämpningar sträcker sig från gasseparering och lagring till katalys.
Forskarna använde metanlagring - en viktig aspekt av förnybar energi - som en fallstudie. Den nya metoden visade att det är möjligt att hitta nanoporösa material som presterar lika bra som kända topppresterande material genom att söka i databaser efter liknande porformer.
Omvänt, studien visar att porformerna hos de topppresterande materialen kan sorteras i topologiskt distinkta klasser, och att material från varje klass kräver en annan optimeringsstrategi.
"Vi har en databas med över 3, 000, 000 nanoporösa material, så att hitta liknande strukturer genom visuell inspektion är uteslutet, " säger Berend Smit. "Faktiskt, gå igenom litteraturen, vi fann att författare ofta inte inser när en ny MOF har samma porstruktur som en annan. Så vi behöver verkligen en beräkningsmetod. Dock, medan människor är intuitivt bra på att känna igen former som lika eller olika, vi behövde arbeta med matematikavdelningen på EPFL för att utveckla en formalism som kan lära ut denna färdighet till en dator."
"Inom området algebraisk topologi, matematiker har formulerat teorin om persistenshomologi i vilken dimension som helst, " säger Kathryn Hess. "Tidigare applikationer använde bara de två första av dessa dimensioner, så det är spännande att kemiingenjörer på EPFL har upptäckt en betydande applikation som också kräver den tredje dimensionen."