Le tecnologie rinnovabili sono una soluzione promettente per affrontare il fabbisogno energetico globale in modo sostenibile.

Però, adozione diffusa di risorse energetiche rinnovabili da solare, vento, biomassa e altro ancora sono rimasti indietro, in parte perché sono difficili da immagazzinare e trasportare.

Mentre la ricerca di materiali per affrontare in modo efficiente queste esigenze di stoccaggio e trasporto continua, I ricercatori dell'Università del Delaware del Catalysis Center for Energy Innovation (CCEI) segnalano nuove tecniche per caratterizzare materiali complessi con il potenziale per superare queste sfide.

I ricercatori hanno recentemente riportato la loro tecnica in Comunicazioni sulla natura .

Vedendo le parti, così come il tutto

Attualmente esistono tecnologie per caratterizzare superfici altamente ordinate con schemi ripetuti specifici, come i cristalli. Descrivere superfici senza pattern ripetuti è un problema più difficile.

Candidato al dottorato UD e laureato 2019-2020 Blue Waters Josh Lansford e Dion Vlachos, che dirige sia il CCEI che il Delaware Energy Institute ed è Allan and Myra Ferguson Professor of Chemical and Biomolecular Engineering, hanno sviluppato un metodo per osservare in dettaglio la struttura superficiale locale delle particelle su scala atomica, mantenendo contemporaneamente l'intero sistema in vista.

L'approccio, che sfrutta l'apprendimento automatico, tecniche e modelli di data science basati sulla fisica, consente ai ricercatori di visualizzare da vicino l'effettiva struttura tridimensionale di un materiale a cui sono interessati, ma anche nel contesto. Ciò significa che possono studiare particelle specifiche sulla superficie del materiale, ma osserva anche come evolve la struttura della particella, nel tempo, in presenza di altre molecole e in condizioni diverse, come temperatura e pressione.

Mettere a frutto, la tecnica del team di ricerca aiuterà ingegneri e scienziati a identificare i materiali che possono migliorare le tecnologie di stoccaggio, come celle a combustibile e batterie, che alimentano la nostra vita. Tali miglioramenti sono necessari per aiutare queste importanti tecnologie a raggiungere il loro pieno potenziale ea diffondersi.

"Al fine di ottimizzare le tecnologie di stoccaggio elettrochimico, come celle a combustibile e batterie, dobbiamo capire come funzionano e che aspetto hanno, " disse Lansford, l'autore principale del giornale, chi è consigliato a UD da Vlachos, ricercatore principale del progetto.

"Dobbiamo capire la struttura dei materiali che stiamo generando, in dettaglio, in modo che possiamo ricrearli in modo efficiente su larga scala o modificarli per alterarne la stabilità".

Modellazione computazionale

Lansford ammette che è troppo costoso e dispendioso in termini di tempo modellare direttamente strutture complesse. Anziché, prendono dati, generato da un singolo punto sulla superficie di un materiale, e ridimensionarlo per essere rappresentativo per una varietà di catalizzatori su molte superfici di molti materiali diversi.

Immagina un cubo composto da molti atomi. Gli atomi situati agli angoli del cubo avranno proprietà diverse da, dire, gli atomi situati su un lato del cubo. Questo perché agli angoli, meno atomi saranno collegati tra loro e gli atomi potrebbero essere distanziati più vicini tra loro. Mentre sul lato del cubo, più atomi saranno collegati anche se possono essere più distanziati l'uno dall'altro.

Lo stesso vale per i materiali catalizzatori. Anche se non possiamo vederli ad occhio nudo, le particelle che compongono un catalizzatore vengono adsorbite su molti siti diversi sul materiale e questi siti hanno bordi diversi, urti e altre variazioni che influenzano il comportamento dei materiali che si trovano lì. A causa di queste differenze, gli scienziati non possono semplicemente usare un singolo numero per cercare di quantificare cosa sta succedendo sull'intera superficie di un materiale, quindi devono stimare l'aspetto di queste superfici.

Secondo Lansford, è qui che la modellazione computazionale può aiutare.

Il team di ricerca ha utilizzato misurazioni sperimentali di diverse lunghezze d'onda della luce infrarossa e l'apprendimento automatico per prevedere e descrivere le proprietà chimiche e fisiche delle diverse superfici dei materiali. I modelli sono stati addestrati interamente su dati generati matematicamente, consentendo loro di visualizzare molte opzioni diverse in molte condizioni diverse.

Hanno sviluppato uno speciale software open-source per applicare la tecnica su diversi metalli, materiali e adsorbiti. La metodologia è sufficientemente flessibile da essere utilizzata con altre tecniche spettroscopiche oltre alla luce infrarossa, in modo che altri scienziati e ingegneri possano modificare il software per far avanzare il proprio lavoro.

"Questo lavoro introduce un modo completamente nuovo di pensare su come colmare il divario tra materiali del mondo reale e sistemi di modelli ben definiti, con contributi alla scienza di superficie e all'apprendimento automatico che stanno in piedi da soli, " ha detto Lansford.