Les technologies renouvelables sont une solution prometteuse pour répondre aux besoins énergétiques mondiaux de manière durable.

Cependant, adoption généralisée de ressources énergétiques renouvelables à partir du solaire, vent, biomasse et plus ont pris du retard, en partie parce qu'ils sont difficiles à stocker et à transporter.

Alors que la recherche de matériaux pour répondre efficacement à ces besoins de stockage et de transport se poursuit, Des chercheurs de l'Université du Delaware du Catalysis Center for Energy Innovation (CCEI) rapportent de nouvelles techniques pour caractériser des matériaux complexes ayant le potentiel de surmonter ces défis.

Les chercheurs ont récemment rapporté leur technique dans Communication Nature .

En voyant les pièces, ainsi que l'ensemble

Il existe actuellement des technologies pour caractériser des surfaces hautement ordonnées avec des motifs répétitifs spécifiques, tels que les cristaux. Décrire des surfaces sans motif répétitif est un problème plus difficile.

Doctorant UD et boursier diplômé Blue Waters 2019-2020 Josh Lansford et Dion Vlachos, qui dirige à la fois le CCEI et le Delaware Energy Institute et est le professeur Allan et Myra Ferguson de génie chimique et biomoléculaire, ont développé une méthode pour observer en détail la structure de surface locale des particules à l'échelle atomique tout en gardant simultanément l'ensemble du système en vue.

L'approche, qui tire parti de l'apprentissage automatique, techniques et modèles de science des données fondés sur la physique, permet aux chercheurs de visualiser de près la structure tridimensionnelle réelle d'un matériau qui les intéresse, mais aussi en contexte. Cela signifie qu'ils peuvent étudier des particules spécifiques à la surface du matériau, mais aussi observer comment la structure de la particule évolue - dans le temps - en présence d'autres molécules et dans des conditions différentes, comme la température et la pression.

Mettre à profit, la technique de l'équipe de recherche aidera les ingénieurs et les scientifiques à identifier les matériaux susceptibles d'améliorer les technologies de stockage, comme les piles à combustible et les batteries, qui alimentent nos vies. De telles améliorations sont nécessaires pour aider ces technologies importantes à atteindre leur plein potentiel et à se généraliser.

« Afin d'optimiser les technologies de stockage électrochimique, comme les piles à combustible et les batteries, nous devons comprendre comment ils fonctionnent et à quoi ils ressemblent, " dit Lansford, l'auteur principal de l'article, qui est conseillé à UD par Vlachos, le chercheur principal du projet.

"Nous devons comprendre la structure des matériaux que nous générons, en détail, afin que nous puissions les recréer efficacement à grande échelle ou les modifier pour altérer leur stabilité."

Modélisation informatique

Lansford admet qu'il est trop coûteux et chronophage de modéliser directement des structures complexes. Au lieu, ils prennent des données, généré à partir d'un seul point à la surface d'un matériau, et redimensionnez-le pour qu'il soit représentatif d'une variété de catalyseurs sur de nombreuses surfaces de nombreux matériaux différents.

Imaginez un cube composé de plusieurs atomes. Les atomes situés aux coins du cube auront des propriétés différentes de celles, dire, les atomes situés sur un côté du cube. C'est parce que dans les coins, moins d'atomes seront connectés les uns aux autres et les atomes peuvent être plus rapprochés. Du côté du cube, plus d'atomes seront connectés même s'ils peuvent être plus espacés les uns des autres.

Il en est de même pour les matériaux catalyseurs. Même si on ne les voit pas à l'oeil nu, les particules qui composent un catalyseur sont adsorbées sur de nombreux sites différents sur le matériau - et ces sites ont des bords différents, bosses et autres variations qui affectent le comportement des matériaux qui s'y trouvent. En raison de ces différences, les scientifiques ne peuvent pas simplement utiliser un seul nombre pour essayer de quantifier ce qui se passe sur toute la surface d'un matériau, ils doivent donc estimer à quoi ressemblent ces surfaces.

Selon Lansford, c'est là que la modélisation informatique peut aider.

L'équipe de recherche a utilisé des mesures expérimentales de différentes longueurs d'onde de lumière infrarouge et l'apprentissage automatique pour prédire et décrire les propriétés chimiques et physiques de différentes surfaces de matériaux. Les modèles ont été entraînés entièrement sur des données générées mathématiquement, leur permettant de visualiser de nombreuses options différentes dans de nombreuses conditions différentes.

Ils ont développé un logiciel open source spécial pour appliquer la technique sur différents métaux, matériaux et adsorbats. La méthodologie est suffisamment flexible pour être utilisée avec d'autres techniques spectroscopiques au-delà de la lumière infrarouge, afin que d'autres scientifiques et ingénieurs puissent modifier le logiciel pour faire avancer leur propre travail.

"Ce travail introduit une toute nouvelle façon de penser sur la façon de combler le fossé entre les matériaux du monde réel et les systèmes modèles bien définis, avec des contributions à la science des surfaces et à l'apprentissage automatique autonomes, " a déclaré Lansford.