Las tecnologías renovables son una solución prometedora para abordar las necesidades mundiales de energía de manera sostenible.
Sin embargo, la adopción generalizada de los recursos de energía renovable de energía solar, eólica, biomasa y más se ha retrasado, en parte porque son difíciles de almacenar y transportar.
A medida que continúa la búsqueda de materiales para abordar eficientemente estas necesidades de almacenamiento y transporte, los investigadores de la Universidad de Delaware del Centro de Catálisis para la Innovación Energética CCEI informan sobre nuevas técnicas para caracterizar materiales complejos con el potencial de superar estos desafíos.
Los investigadores informaron recientemente su técnica en Comunicaciones de la naturaleza .
Ver las partes, así como el todo
Actualmente existen tecnologías para caracterizar superficies altamente ordenadas con patrones repetitivos específicos, como los cristales. Describir superficies sin patrones repetitivos es un problema más difícil.
Josh Lansford y Dion Vlachos, candidato a doctorado de la UD y becario graduado de Blue Waters 2019-2020, que dirige tanto el CCEI como el Delaware Energy Institute y es el profesor de ingeniería química y biomolecular de Allan y Myra Ferguson, han desarrollado un método para observar lo localestructura de la superficie de partículas a escala atómica en detalle, manteniendo simultáneamente todo el sistema a la vista.
El enfoque, que aprovecha el aprendizaje automático, las técnicas de ciencia de datos y los modelos basados en la física, permite a los investigadores visualizar la estructura tridimensional real de un material que les interesa de cerca, pero también en contexto. Esto significa que pueden estudiarpartículas específicas en la superficie del material, pero también observan cómo evoluciona la estructura de la partícula, con el tiempo, en presencia de otras moléculas y en diferentes condiciones, como la temperatura y la presión.
Puesta en uso, la técnica del equipo de investigación ayudará a los ingenieros y científicos a identificar materiales que puedan mejorar las tecnologías de almacenamiento, como las pilas de combustible y las baterías, que alimentan nuestras vidas. Dichas mejoras son necesarias para ayudar a estas importantes tecnologías a alcanzar su máximo potencial y convertirse enmás generalizado
"Para optimizar las tecnologías de almacenamiento electroquímico, como las pilas de combustible y las baterías, debemos entender cómo funcionan y cómo se ven", dijo Lansford, autor principal del artículo, asesorado en UD por Vlachos, director del proyectoinvestigador.
"Necesitamos entender la estructura de los materiales que estamos generando, en detalle, para poder recrearlos eficientemente a gran escala o modificarlos para alterar su estabilidad".
modelado computacional
Lansford reconoce que es demasiado costoso y lento modelar estructuras complejas directamente. En cambio, toman datos, generados desde un solo punto en la superficie de un material, y los escalan para ser representativos de una variedad de catalizadores en muchossuperficies de muchos materiales diferentes.
Imagine un cubo formado por muchos átomos. Los átomos ubicados en las esquinas del cubo tendrán diferentes propiedades que, por ejemplo, los átomos ubicados en un lado del cubo. Esto se debe a que en las esquinas, se conectarán menos átomosentre sí y los átomos pueden estar más juntos. Mientras que en el lado del cubo, se conectarán más átomos a pesar de que pueden estar más separados entre sí.
Lo mismo es cierto para los materiales catalizadores. Incluso si no podemos verlos a simple vista, las partículas que forman un catalizador se adsorben en muchos sitios diferentes en el material, y estos sitios tienen bordes, protuberancias y bordes diferentesotras variaciones que afectan la forma en que se comportarán los materiales ubicados allí. Debido a estas diferencias, los científicos no pueden usar un solo número para tratar de cuantificar lo que sucede en toda la superficie de un material, por lo que tienen que estimar cómo se ven estas superficies.
Según Lansford, aquí es donde el modelado computacional puede ayudar.
El equipo de investigación utilizó mediciones experimentales de diferentes longitudes de onda de luz infrarroja y aprendizaje automático para predecir y describir las propiedades químicas y físicas de diferentes superficies de materiales. Los modelos fueron entrenados completamente en datos generados matemáticamente, permitiéndoles visualizar muchas opciones diferentes bajomuchas condiciones diferentes.
Desarrollaron un software especial de código abierto para aplicar la técnica en diferentes metales, materiales y adsorbatos. La metodología es lo suficientemente flexible como para ser utilizada con otras técnicas espectroscópicas más allá de la luz infrarroja, para que otros científicos e ingenieros puedan modificar el software para avanzarpropio trabajo.
"Este trabajo presenta una forma completamente nueva de pensar sobre cómo cerrar la brecha entre los materiales del mundo real y los sistemas modelo bien definidos, con contribuciones a la ciencia de la superficie y el aprendizaje automático que son independientes", dijo Lansford.
Fuente de la historia :
Materiales proporcionado por Universidad de Delaware . Original escrito por Karen B. Roberts. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :