Sensorer tillverkade med kolbaserade material kan ge unik exakt och realtidsinformation om ärftliga sjukdomar eller koncentrationer av läkemedel i kroppen. Förutom medicin, kolhaltiga material används i batterier, solceller och vattenrening.

Andra element, som väte och syre, finns nästan alltid i kolbaserade material, vilket förändrar materialens egenskaper. Därför, att modifiera material för önskade tillämpningar kräver kunskap på atomnivå om kolytstrukturer och deras kemi. Forskare vid Aalto-universitetet, University of Cambridge, University of Oxford och Stanford University har nu tagit ett betydande nytt steg framåt när det gäller att beskriva den atomära naturen hos kolhaltiga material.

Detaljerad information om kolytor kan erhållas genom röntgenspektroskopi, men spektrumet det producerar är utmanande att tolka eftersom det sammanfattar information från flera lokala kemiska miljöer på ytan. Forskarna har utvecklat en ny systematisk analysmetod som använder maskininlärning för att integrera beräkningsmodellen (density functional theory) med de experimentella resultaten av kolprovet. Den nya metoden gör att det experimentella spektrum som produceras med röntgenspektroskopi kan separeras i atomnivådata.

"Förr, experimentella resultat har tolkats olika, baserad på varierande litteraturreferenser, men nu kunde vi analysera resultaten med endast beräkningsreferenser. Den nya metoden ger oss en mycket bättre förståelse av kolytkemi utan mänskligt inducerad fördom, säger Anja Aarva, doktorand vid Aalto-universitetet.

Den nya metoden utökar kunskapen om kolbaserade material

I en tvådelad studie, forskarna studerade inledningsvis hur olika bundet kol påverkar bildandet av det experimentella spektrumet kvalitativt. Forskarna försökte sedan aggregera det uppmätta spektrumet med beräkningsspektrumreferensdata för att få en kvantitativ uppskattning av vad det experimentella spektrumet består av. Detta var för att hjälpa dem att avgöra vilken typ av kolprovet på atomnivå är. Den nya metoden är lämplig för att analysera ytkemin hos olika former av kol, som grafen, diamant och amorft kol.

Studien är en fortsättning på det arbete som utförts av Aalto-universitetets postdoktor Miguel Caro och professor Volker Deringer från Oxford University, som utförligt kartlade strukturen och reaktiviteten hos amorft kol. Studien använder sig av maskininlärningsmetoder utvecklade av professor Volker Deringer och professor Gabor Csányi från Cambridge University. Experimentella mätningar utfördes av Sami Sainio, en Aalto-baserad postdoktor vid Stanford University.

"Nästa, vi avser att använda den metod vi har utvecklat för att förutsäga, till exempel, vilken typ av kolyta skulle vara bäst för elektrokemisk identifiering av vissa neurotransmittorer, och försök sedan framställa den önskade ytan. På det här sättet, beräkningsarbete skulle vägleda experimentellt arbete och inte vice versa, som vanligtvis har varit fallet tidigare, " Tomi Laurila, sa professor vid Aalto-universitetet.

Studien publicerades som en tvådelad artikel i Materialkemi .