Forskare vid National Institute of Standards and Technology (NIST) har utvecklat en app som effektiviserar karaktäriseringen av komplexa material. Kallas PyXRF och ger ett intuitivt gränssnitt för att fånga, bearbeta och analysera röntgenfluorescensdata (XRF), en vanlig teknik för att bestämma den kemiska sammansättningen av material. Forskare kan använda de matematiska och statistiska verktygen som är inbyggda i appen för att identifiera grundämnen och föreningar i sina prover och kartlägga deras fördelning.
XRF är en kraftfull teknik som ger snabba, oförstörande mätningar som kan utföras i labbet eller på fältet, säger PyXRF-utvecklaren Michael Wharry, en NIST-datavetare och maskiningenjör. Processen för att tolka XRF-data kan dock vara komplicerad.
"Matematiken och statistiken för att förstå XRF-data kan vara komplex, och många av standardverktygen är svåra för forskare att använda," sa Wharry. "Idén bakom PyXRF var att utveckla användarvänlig programvara som gör att fler forskare kan dra nytta av XRF-analys, inklusive de som inte har specialutbildning i datorprogrammering eller dataanalys."
Förutom att erbjuda användarna ett förenklat mjukvarugränssnitt, innehåller PyXRF även matematiska och statistiska modeller som vägleder användare att korrekt konfigurera parametrarna för sina XRF-mätningar. Dessa modeller förbättrar mätningarna av hur mycket av ett element eller en förening som finns i ett material samt hur det materialet är skiktat eller blandat i mikroskopisk skala.
XRF-data som bearbetas med PyXRF kan ge viktiga insikter om materials beteende och egenskaper, särskilt vid deras atomära och molekylära gränssnitt, där ny funktionalitet ofta uppstår.
Forskare som studerar kompositmaterial, till exempel, kanske vill förstå fördelningen av olika fibrer inom en matris på mikronlängdsskalan. PyXRF kan också informera forskare som är intresserade av hur tunna filmer växer eller hur beläggningar fäster på ytor – kunskap som kan hjälpa forskare att konstruera nya material med specifika prestandaegenskaper.
"Att förstå och kontrollera hur material interagerar, hur de möts och beter sig i mikroskopisk skala är allt viktigare för att förverkliga nya materialegenskaper och funktionaliteter," sa Wharry. "PyXRF-mjukvaran handlar egentligen om att låsa upp insikter i de små områdena i ett material som dikterar hur det beter sig."
