La spectroscopie par résonance magnétique nucléaire (RMN) aide les chimistes et autres scientifiques à identifier et à explorer les structures atomiques. Cependant, La RMN est limitée par la disponibilité de catalogues de données de référence pour comparer et identifier les structures.

Nouvelle recherche collaborative du Département de chimie des arts et des sciences de l'Université de Washington à St. Louis, Lawrence Berkeley National Laboratory et le Department of Materials Science and Engineering de l'Université de Californie, Berkeley, tirer parti des approches de la chimie quantique pour développer une infrastructure de données supplémentaire pour un isotope du silicium, 29Si. Le silicium est particulièrement pertinent en raison de son rôle important dans la science des matériaux - il est utilisé dans les semi-conducteurs pour l'électronique et omniprésent dans les matériaux vitreux - et c'est un constituant majeur des roches et des minéraux.

La recherche est publiée dans Nature's Matériaux de calcul npj le 12 mai.

Sophia E. Hayes, professeur de chimie et expert en spectroscopie RMN, sait mieux que quiconque à quel point la RMN peut être puissante dans l'analyse de la structure des matériaux. Hayes, habituée à combiner des techniques pour forger de nouvelles voies de recherche, utilise la RMN dans son laboratoire en conjonction avec des méthodes d'excitation optique et de détection pour étudier la structure et les propriétés des systèmes inorganiques, y compris les semi-conducteurs.

Dans ce nouveau travail, Hayes et le co-auteur principal Shyam Dwaraknath, chercheur en matériaux et ingénieur au Lawrence Berkeley National Lab, utiliser des méthodes informatiques de pointe pour générer de nouveaux ensembles de données pour le 29Si et confirmer leur validité. Bien que les catalogues de données expérimentales actuelles pour le silicium soient limités, les augmentations récentes de la puissance de calcul permettent l'expansion rapide des données RMN simulées au-delà de la simple extrapolation à partir des données existantes.

L'équipe a enregistré un succès avec deux outils de calcul avancés :le Vienna Ab initio Simulation Package (VASP) et le Cambridge Serial Total Energy Package (CASTEP). A l'aide de ces outils, ils ont généré informatiquement des prédictions pour les éléments mesurables RMN (exprimés mathématiquement en tant que "tenseurs") pour le silicium, puis comparé l'ensemble de données créé avec des données observées expérimentalement, et corrigé systématiquement les données générées par la machine.

Les valeurs calculées et rapportées expérimentalement s'alignent remarquablement bien en termes de paramètres RMN, promettant une percée dans ce qui est possible dans l'analyse RMN future. L'ensemble de données nettoyé généré par Hayes et Dwaraknath, ainsi que leur collection d'outils logiciels, est disponible en tant que ressource communautaire dans la base de données partagée de l'infrastructure de données de spectroscopie locale (LSDI) via le Materials Project.

"La possession d'un si grand ensemble de données permet des comparaisons des paramètres calculés à travers un grand nombre de structures, ouvrir des voies pour l'apprentissage automatique, " a noté l'équipe. " Lorsque les praticiens de la RMN utilisent l'ensemble de données LSDI, ils seront habilités à comparer leurs mesures expérimentales à une variété de structures connexes, ce qui facilitera en fin de compte les attributions de ces spectres. Ce type de jeu de données peut ouvrir la prochaine ère de la spectroscopie RMN du solide, englobant une approche informatique de la conception expérimentale.