Förnybar teknik är en lovande lösning för att hantera globala energibehov på ett hållbart sätt.

Dock, utbredd användning av förnybara energiresurser från solceller, vind, biomassa och mer har halkat efter, delvis för att de är svåra att förvara och transportera.

När sökandet efter material för att effektivt tillgodose dessa lagrings- och transportbehov fortsätter, Forskare vid University of Delaware från Catalysis Center for Energy Innovation (CCEI) rapporterar om nya tekniker för att karakterisera komplexa material med potential att övervinna dessa utmaningar.

Forskarna rapporterade nyligen sin teknik i Naturkommunikation .

Att se delarna, liksom helheten

För närvarande finns teknik för att karakterisera högordnade ytor med specifika upprepande mönster, som kristaller. Att beskriva ytor utan upprepande mönster är ett svårare problem.

UD-doktorand och 2019-2020 Blue Waters Graduate Fellow Josh Lansford och Dion Vlachos, som leder både CCEI och Delaware Energy Institute och är Allan och Myra Ferguson professor i kemisk och biomolekylär teknik, har utvecklat en metod för att observera den lokala ytstrukturen för partiklar i atomskala i detalj samtidigt som hela systemet hålls i sikte.

Tillvägagångssättet, som utnyttjar maskininlärning, datavetenskapstekniker och modeller baserade på fysik, gör det möjligt för forskarna att visualisera den faktiska tredimensionella strukturen för ett material som de är intresserade av på nära håll, men också i sitt sammanhang. Det betyder att de kan studera specifika partiklar på materialets yta, men se också hur partikelstrukturen utvecklas - med tiden - i närvaro av andra molekyler och under olika förhållanden, såsom temperatur och tryck.

Ta i bruk, forskargruppens teknik hjälper ingenjörer och forskare att identifiera material som kan förbättra lagringsteknik, som bränsleceller och batterier, som driver våra liv. Sådana förbättringar är nödvändiga för att hjälpa denna viktiga teknik att nå sin fulla potential och bli mer utbredd.

"För att optimera elektrokemisk lagringsteknik, som bränsleceller och batterier, vi måste förstå hur de fungerar och hur de ser ut, "sa Lansford, tidningens huvudförfattare, som får råd på UD av Vlachos, projektets huvudutredare.

"Vi måste förstå strukturen för de material vi genererar, i detalj, så att vi kan återskapa dem effektivt i stor skala eller ändra dem för att ändra deras stabilitet. "

Beräkningsmodellering

Lansford medger att det är för dyrt och tidskrävande att modellera komplexa strukturer direkt. Istället, de tar data, genereras från en enda fläck på ytan av ett material, och skala den till att vara representativ för en mängd olika katalysatorer på många ytor av många olika material.

Tänk dig en kub som består av många atomer. Atomerna på kubens hörn kommer att ha andra egenskaper än, säga, atomerna på ena sidan av kuben. Detta beror på att i hörnen, färre atomer kommer att anslutas till varandra och atomer kan placeras närmare varandra. På kubens sida, fler atomer kommer att anslutas trots att de kan vara åtskilda längre från varandra.

Detsamma gäller för katalysatormaterial. Även om vi inte kan se dem med blotta ögat, partiklarna som utgör en katalysator adsorberas på många olika platser på materialet - och dessa platser har olika kanter, stötar och andra variationer som påverkar hur material som finns där kommer att bete sig. På grund av dessa skillnader, forskare kan inte bara använda ett enda tal för att försöka kvantifiera vad som händer över hela ett material, så de måste uppskatta hur dessa ytor ser ut.

Enligt Lansford, det är här beräkningsmodellering kan hjälpa.

Forskargruppen använde experimentella mätningar av olika våglängder för infrarött ljus och maskininlärning för att förutsäga och beskriva de kemiska och fysikaliska egenskaperna hos olika materialytor. Modellerna utbildades helt på matematiskt genererade data, så att de kan visualisera många olika alternativ under många olika förhållanden.

De utvecklade speciell öppen källkod för att tillämpa tekniken på olika metaller, material och adsorbat. Metoden är tillräckligt flexibel för att användas med andra spektroskopiska tekniker bortom infrarött ljus, så att andra forskare och ingenjörer kan modifiera programvaran för att främja sitt eget arbete.

"Detta arbete introducerar ett helt nytt sätt att tänka på hur man överbryggar klyftan mellan verkliga material och väldefinierade modellsystem, med bidrag till ytvetenskap och maskininlärning som står för sig själva, sa Lansford.