La spettroscopia di risonanza magnetica nucleare (NMR) aiuta i chimici e altri scienziati a identificare ed esplorare le strutture atomiche. Però, L'NMR è limitato dalla disponibilità di cataloghi di dati di riferimento per confrontare e identificare le strutture.

Nuova ricerca collaborativa del Dipartimento di chimica in arti e scienze della Washington University di St. Louis, Lawrence Berkeley National Laboratory e il Dipartimento di Scienza e Ingegneria dei Materiali dell'Università della California, Berkeley, ha sfruttato gli approcci della chimica quantistica per sviluppare un'infrastruttura dati aggiuntiva per un isotopo di silicio, 29Si. Il silicio è particolarmente rilevante per il suo ruolo significativo nella scienza dei materiali:è utilizzato nei semiconduttori per l'elettronica e onnipresente nei materiali vetrosi ed è uno dei principali costituenti di rocce e minerali.

La ricerca è pubblicata su Nature's npj Materiali di calcolo il 12 maggio.

Sofia E. Hayes, professore di chimica ed esperto di spettroscopia NMR, sa meglio della maggior parte quanto potente può essere l'NMR nell'analizzare la struttura dei materiali. Hayes, che non è estranea alla combinazione di tecniche per creare nuovi percorsi di ricerca, usa l'NMR nel suo laboratorio insieme a metodi di eccitazione e rilevamento ottici per studiare la struttura e le proprietà dei sistemi inorganici, compresi i semiconduttori.

In questo nuovo lavoro, Hayes e il co-autore principale Shyam Dwaraknath, ricercatore sui materiali e ingegnere presso il Lawrence Berkeley National Lab, utilizzare metodi di calcolo all'avanguardia per generare nuovi set di dati per 29Si e confermarne la validità. Sebbene gli attuali cataloghi di dati sperimentali per il silicio siano limitati, i recenti aumenti della potenza di calcolo consentono la rapida espansione dei dati NMR simulati oltre la semplice estrapolazione dai dati esistenti.

Il team ha riportato il successo con due strumenti di calcolo avanzati:Vienna Ab initio Simulation Package (VASP) e Cambridge Serial Total Energy Package (CASTEP). Utilizzando questi strumenti, hanno generato computazionalmente previsioni per misurabili NMR (espressi matematicamente come "tensori") per il silicio, quindi confrontato il set di dati creato con i dati osservati sperimentalmente, e corretto sistematicamente i dati generati dalla macchina.

I valori calcolati e riportati sperimentalmente si sono allineati notevolmente bene in termini di parametri NMR, promettendo una svolta in ciò che è possibile nelle future analisi NMR. Il set di dati pulito generato da Hayes e Dwaraknath, così come la loro raccolta di strumenti software, è disponibile come risorsa della comunità nel database dell'infrastruttura dei dati di spettroscopia locale condivisa (LSDI) tramite il Materials Project.

"Il possesso di un set di dati così ampio consente il confronto dei parametri calcolati attraverso un gran numero di strutture, aprendo strade per l'apprendimento automatico, " ha osservato il team. "Quando gli operatori NMR utilizzano il set di dati LSDI, saranno autorizzati a confrontare le loro misurazioni sperimentali con una varietà di strutture correlate, che alla fine faciliterà le assegnazioni di quegli spettri. Questo tipo di set di dati può aprire la prossima era nella spettroscopia NMR a stato solido, che comprende un approccio informatico alla progettazione sperimentale."