Dans une nouvelle étude en Chimie des matériaux , les scientifiques du LLNL Wonseok Jeong et Tuan Anh Pham ont développé une approche qui combine l'apprentissage automatique avec la spectroscopie d'absorption des rayons X (XANES) pour élucider la spéciation chimique des nitrures de carbone amorphes.

La recherche offre de nouvelles informations approfondies sur la structure atomique locale des systèmes et, dans un contexte plus large, représente une étape critique dans l'établissement d'un cadre automatisé pour la caractérisation rapide de matériaux hétérogènes aux structures complexes.

Démêler la structure atomique de matériaux hétérogènes, tels que les résidus carbonés produits lors de la détonation d'explosifs puissants, a posé un défi de taille aux scientifiques des matériaux. Le processus demande souvent beaucoup de travail et, dans de nombreux cas, implique l'utilisation de paramètres empiriques.

Pour relever ce défi exceptionnel, l'approche intégrée de l'équipe commence par le développement de potentiels d'apprentissage automatique capables d'explorer efficacement le vaste espace de configuration des nitrures de carbone amorphes en tant que système représentatif. Ce modèle basé sur un réseau neuronal permet d'identifier des structures locales représentatives au sein du matériau, fournissant ainsi un aperçu de la façon dont ces structures évoluent avec la composition chimique et la densité.

En couplant ces potentiels d’apprentissage automatique avec des simulations atomistiques haute fidélité, les chercheurs établissent des corrélations entre les structures atomiques locales et les signatures spectroscopiques. Cette corrélation sert de base à l'interprétation des données expérimentales XANES, permettant l'extraction d'informations chimiques cruciales à partir de spectres complexes.

"Dans notre étude, nous visions à relever le défi de longue date de la caractérisation des produits de détonation et des matériaux désordonnés en général en intégrant des méthodes informatiques à des techniques expérimentales", a déclaré Jeong, le premier auteur de l'article.

"Notre approche améliore non seulement notre compréhension de ces matériaux, mais jette également les bases d'études similaires sur différents systèmes de matériaux et méthodes de caractérisation. Par exemple, l'approche peut être facilement utilisée pour prédire la spéciation élémentaire d'un large éventail de résidus carbonés et fournir des données d'entrée. pour améliorer les modèles de détonation", a déclaré Pham, le chercheur principal du projet.

Les résultats de l'étude représentent une avancée significative dans le domaine de la science des matériaux, offrant un cadre solide pour élucider la spéciation atomique des systèmes désordonnés. De plus, la polyvalence de l'approche signifie qu'elle peut être facilement adaptée pour étudier d'autres classes de matériaux et sondes de caractérisation expérimentale, ouvrant la voie à l'interprétation en temps réel des mesures spectroscopiques.

L’étude implique une collaboration entre des chercheurs d’horizons divers, soulignant la nature interdisciplinaire de la recherche LLNL. Alors que les scientifiques continuent d'explorer les frontières de la conception et de la caractérisation des matériaux, des approches innovantes comme celle-ci promettent d'ouvrir de nouvelles opportunités d'innovation technologique et de découverte scientifique, a déclaré Jeong.

Parmi les autres co-auteurs de l'article figurent Wenyu Sun, Marcos Calegari Andrade, Liwen Wan, Trevor Willey et Michael Nielsen.