《NIST新方法精确测量三维聚合物加工》

  • 来源专题:纳米科技
  • 编译者: 郭文姣
  • 发布时间:2018-10-11
  • 零件的三维(3D)打印或增材制造的配方需要的猜测和科学一样多。直到现在。研究人员展示了一种新型的基于光的原子力显微镜(AFM)技术——样品-耦合-共振光流变学(SCRPR)——可以在固化过程中以最小的尺度实时测量材料的性能变化。

    聚合树脂的单个体素的三维地形图,被液体树脂包围。NIST的研究人员使用他们的样品-耦合-共振光流变学(SCRPR)技术来测量材料在3D打印和固化过程中,在最小的尺度上如何和在哪里实时地改变材料的性能。

    来源:国家标准

    零件的三维(3D)打印或增材制造的配方需要的猜测和科学一样多。直到现在。

    树脂和其他材料在光下反应形成聚合物,或长链分子,对3D打印从建筑模型到人体器官的各个部分都很有吸引力。但是,在单一体素的尺度下,在固化过程中,材料的机械性能和流动性能发生了什么变化一直是个谜。体素是三维体积单位,相当于照片中的像素。

    现在,美国国家标准与技术研究院(NIST)的研究人员已经展示了一种新型的基于光的原子力显微镜(AFM)技术——样品-耦合-共振光流变学(SCRPR)——可以在固化过程中以最小的尺度实时测量材料的性能变化。

    NIST材料研究工程师Jason Killgore说:“我们对该方法的兴趣来自于业界,就像几次会议讨论的结果一样。”他和他的同事现在已经在《小方法》杂志上发表了这项技术。

    3D打印,或增材制造,以灵活、高效的复杂零件生产而著称,但缺点是在材料性能上引入微观变化。因为软件将零件渲染成薄层,然后在打印前用3D技术重新构建,所以物理材料的体积性能不再与印刷零件匹配。相反,制造零件的性能取决于印刷条件。

    NIST的新方法测量材料如何以亚微米空间分辨率和亚毫秒时间分辨率发展——比批量测量技术小几千倍,快几千倍。研究人员可以使用SCRPR来测量整个治疗过程中的变化,收集关键数据以优化从生物凝胶到硬树脂等材料的加工。

    这种新方法结合了原子力显微镜和立体石印技术,利用光对从水凝胶到增强的丙烯酸树脂等反应性材料进行图案设计。印刷体素可能由于光强的变化或活性分子的扩散而不均匀。

    AFM可以感知表面的快速微小变化。在NIST SCRPR方法中,AFM探针与样品连续接触。研究人员使用一种商用的AFM,在AFM探针接触样品的点或点附近使用紫外线激光开始聚合物的形成(“聚合”)。

    该方法在有限的时间间隔内测量空间中一个位置的两个值。具体来说,它测量AFM探头的共振频率(最大振动频率)和质量系数(能量耗散的指标),跟踪这些值在聚合过程中的变化。然后,这些数据可以用数学模型进行分析,以确定材料的特性,如刚度和阻尼。

    用两种材料进行了验证。一种是一种聚合物薄膜,通过光从橡胶转化为玻璃。研究人员发现,固化过程和性能取决于暴露功率和时间,而且空间上很复杂,这证实了对快速、高分辨率测量的需要。第二种材料是一种商业3D打印树脂,在12毫秒内从液体变成固体。共振频率的增加似乎预示着聚合和固化树脂弹性的增加。因此,研究人员使用AFM制作单个聚合体素的地形图像。

    令研究人员惊讶的是,NIST技术的兴趣已经远远超出了最初的3D打印应用。NIST的研究人员说,涂料、光学和增材制造领域的公司已经开始接触,一些公司正在寻求正式合作。

    ——文章发布于2018年10月9日

相关报告
  • 《美国国家标准与技术研究院(NIST)对增材制造中的2D和3D原位测量在聚合物和金属材料中的应用的研究》

    • 来源专题:计量基标准与精密测量
    • 编译者:张宇
    • 发布时间:2024-09-09
    • 在3D打印或增材制造(AM)的整个领域中,对过程-结构-性能-过程(PSPP)关系的理解取决于准确的测量。制造的材料是三维的,因此,除了二维测量之外,三维测量在整个PSPP链中提供了深刻的洞察力。这项工作将概述我们项目中最近部署的几种测量技术,以进行此类测量,并包括这些测量的相关发现。测量系统可以根据它们在制造和使用过程中的使用点进行分类。比如原位过程测量指的是在材料制造过程中进行的测量。或者说使用原位机械测试的X射线计算机断层扫描(XRCT),指的是在已经生产的部件变形过程中获取三维图像的过程。 第一类测量阐明了制造过程,我们最近的工作中有两例。第一例是基于原子力显微镜(AFM)的测量,可以原位使用来推断变化,如粘度和薄膜柔顺性,这些变化表明树脂中的化学变化和固化。这可以用来测量转化率。第二类测量利用微型X射线计算机断层扫描(XRCT)和安装在XRCT仪器内的加载框架,在加载进程中进行中断的原位测量。 虽然已经讨论了一系列技术,但总体的收获是,在整个PSPP工作流程中仔细进行的3D实验有助于理解增材制造产品组合中的关键力学行为,将生产能力与测量能力相匹配。这些测量有助于在分辨率、保真度以及材料质量和密度方面更好地进行增材制造。它们还允许对材料变形特性有更严格的理解,这可能会通知更多预测性模型。最后,它们可以以新的方式阐明故障模式,以便制造选择和模型可以被制作出来,以优化生产率、疲劳寿命以及零件/特征分辨率等因素。 相关研究成果发表于7月15-19日召开的《2024 ASPE-euspen Summer Topical Meeting on Advancing Precision in Additive Manufacturing》会议论文集中。
  • 《Nature:新方法成功构建基因活性三维图谱》

    • 来源专题:生物安全知识资源中心 | 领域情报网
    • 编译者:hujm
    • 发布时间:2019-12-18
    • 一种三维计算机模型(或者说算法)使得科学家们能够快速地确定哪些基因在哪些细胞中有活性,以及它们在器官中的精确位置。在一项新的研究中,德国亥姆霍兹协会马克斯-德尔布吕克分子医学中心的Nikolaus Rajewsky教授、以色列希伯来大学的Nir Friedman教授及其团队近期在Nature期刊上发表了这种新的方法以及从中获得的新见解,论文标题为“Gene expression cartography”。 Rajewsky教授是一位有远见的人:他想要确切地理解在疾病进展期间人体细胞中到底发生了什么,旨在能够识别和处理最初出现的细胞变化。Rajewsky教授解释道,“这不仅要求我们破译单个细胞中的基因组活性,而且还要在器官中对它进行空间跟踪。”比如,为了准确地诊断疾病并选择最佳疗法,癌症中免疫细胞的空间排列(“微环境”)极为重要。“总的来说,我们缺乏一种在分子水平上捕捉和了解组织的(病理)生理学特性的系统方法。” 针对不同组织类型的图谱 通过Rajewsky教授、Friedman教授、哈佛大学的Mor Nitzan博士和“基因调控元件系统生物学”项目负责人Nikos Karaiskos博士之间的合作,这些研究人员成功地使用一种特殊的算法为非常不同的组织类型---哺乳动物中的肝脏和肠上皮,以及果蝇和斑马鱼的胚胎,小脑的某些部分和肾脏---中的单个细胞构建出基因表达空间图。Rajewsky教授说,“有时纯粹的理论科学足以在高级科学期刊上发表---我认为这种情况在未来会更加频繁地发生。我们需要在机器学习和人工智能上加入投入。” Karaiskos解释道,“利用这些计算机生成的图谱,我们如今能够精确地追踪特定基因是否在组织某部分的细胞中有活性。如果没有我们开发的这种三维计算机模型,这一点是不可能实现的。我们将这种模型命名为novoSpaRc。” 空间信息在以前的研究中丢失了 直到最近几年,人们才能够大规模地高精度地确定器官或组织中的单个细胞在任何给定时间从它的基因组中获得的信息。这要归功于新的测序方法,比如多重RNA测序,它可以同时分析大量RNA分子。当基因变得活跃并表达蛋白时,RNA就在细胞中产生。Rajewsky早就意识到了单细胞测序的潜力,并在他的实验室中建立了它。 Rajewsky解释说:“但是,要让这项技术起作用,必须首先将待研究的组织分解为单个细胞。”这个过程导致有价值的信息丢失:比如,在解码特定细胞的基因活性时,它在组织中的原始位置就丢失了。因此,Rajewsky和Friedmann正在寻找一种使用单细胞测序数据来开发数学模型的方法,该数学模型可以计算整个基因组(甚至在复杂组织中)基因表达的空间模式。 Rajewsky和在柏林医学系统生物研究所开展研究工作的Robert Zinzen博士领导的团队在两年前已经取得了第一个突破。在Science期刊上,他们获得了果蝇胚胎的虚拟模型(Science, 2017, doi:10.1126/science.aan3235)。它以前所未有的空间分辨率显示了哪些基因在哪些细胞中有活性。这种基因定位是在84个标记基因的帮助下实现的:原位实验确定了这些基因在某个时间点上在卵形胚胎中的位置。这些研究人员证实他们的模型可以在活的果蝇胚胎中开展进一步的复杂原位实验。 由成千上万个拼图块和颜色组成的拼图 Karaiskos说:“不过,在这种模型中,我们逐个地重建了每个细胞的位置。这是可行的,这是因为我们只需要处理数量较少的细胞和基因。这一次,我们想知道的是,在几乎没有或没有任何以前的信息的情形下,我们是否可以重建复杂的组织。我们能够了解有关基因表达在复杂组织中是如何控制和调节的原理吗?”这种算法的基本假设是,当细胞相邻时,它们的基因活性或多或少相似。他们从相邻细胞的基因组中获得的信息要比相距较远的细胞中的更多。 为了验证这一假设,这些研究人员使用了现有的数据。对肝脏、肾脏和肠上皮而言,不存在更多的信息。他们只能够通过使用重建的组织样本来收集少量的标记基因。在一种情形下,只有两个标记基因可用。 Karaiskos在试图描述他在对这种模型进行计算的过程中面临的困难任务时,解释道,“这就像把一个巨大的拼图放在一起,上面有大量不同的颜色,可能有10000多种。如果正确地拼出了这个拼图,那么所有的颜色就会形成一个特定的形状或图案。”每个拼图块代表待研究组织中的一个细胞,每一个颜色代表一个可通过RNA分子读取的活性基因。 无论采用何种测序技术,该方法均有效 Karaiskos说:“我们如今有了一种方法,它使得我们不论使用哪种测序方法都能够在计算机中基于从单细胞测序获得的数据构建待研究组织的虚拟模型。关于单个细胞空间位置的现有信息可以输入到这种模型中,从而进一步完善它。”然后,借助于novoSpaRc,就有可能确定每个已知基因在组织中的哪些位置是有活性的,并经表达产生蛋白。 如今,Karaiskos和他的同事们也致力于使用这种模型追溯甚至预测组织或整个有机体中的某些发育过程。但是,Karaiskos承认可能存在某些与novoSpaRc算法不兼容的特定组织。他表示,这可能是一个值得期待的挑战:一个尝试解决新难题的机会!