登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《在生物学中，无序结构可以提供没有精确层次结构的材料特性》

  • 来源专题：纳米科技
  • 编译者： 郭文姣
  • 发布时间：2018-12-05

  • 生物有机体的栖息地多得惊人。这些生物产生的物质相应地在功能和形式上表现出显著的多样性。高度有序和结构化的生物材料一直是科学研究的主题，特别是在探索功能材料的可能模型的背景下。另一方面，缺乏组织结构的生物材料，如藤壶外骨骼，在很大程度上被忽略了。本文讨论了四种不同类别的无序生物材料:软与有机材料、硬与有机材料、软与有机与无机材料、硬与有机与无机材料。在每一类材料的例子中，我们都可以看到不同长度尺度上的无序，这些无序的生物材料在材料设计方面有很多值得我们学习的地方。

    ——文章发布于2018年12月02日

4浏览量
原文链接
相关报告

  • 《结合尖端材料的传感器，填补人类生物学能力的空白》
    • 来源专题：中国科学院文献情报制造与材料知识资源中心 | 领域情报网
    • 编译者：冯瑞华
    • 发布时间：2018-03-27
    • 相比于目前的传感器，新一代传感器能探测到浓度更低的甲烷，这种传感器依赖于纳米材料中心开发的纳米技术 伴随着数亿年的进化，人类的鼻子可以区分不同的气味组合。即便如此，对于一些高灵敏度的场合，我们的鼻子仍然无法满足要求。因此，气体传感器也就应运而生了。工业革命开始后，为了检测煤矿中的瓦斯气，人们不得不使用金丝雀来完成这个目标。如今，纳米科技不断发展，我们已经研发出传感器来取代金丝雀。 就像我们自己的鼻子一样，气体传感器对于生活环境的安全和舒适是必不可少的。在工厂中，气体传感器的作用万分重要，它可以提醒管理人员化学泄漏或一些进程出现问题。在室外，他们可以测量污染物，帮助城市监测空气质量。在家里，他们还可以保持家庭成员的安全。建筑管理人员使用湿度和温度传感器测量周边条件，以求最大限度地提高能源利用率。 如果人们对化学和物理学没有最基本的了解，这些传感器就不会诞生。正是这些基础知识，科学家才了解传感材料与气体化学物质相互作用的原因。如果科学家能学会如何更好地生产和控制传感器的话，许多尖端材料才有望用于传感器。 “传感器存在于材料研究和环境检测领域，”美国能源部阿贡国家实验室（ANL）的研究人员Pete Beckman说。 美国能源部科学基金资助了传感器研究的项目和相关科研人员，这些举措为创新奠定了基础 制造传感材料 类似于仿生原理，传感器像鼻子一样，依靠部件的组合来检测空气中的气体和化学物质。对于人类而言，分子漂浮在我们的鼻子上并与特殊的神经元结合。然后神经元将信息传递到大脑。在传感器中，传感器内部的材料起着神经元的作用。当这种物质与空气中的化学物质发生相互作用时，它会发光，改变材料的导电能力，或者是改变形状。传感材料周围的材料和电子将信息传递给传感器的“大脑”，这个大脑可以是一台计算机，也可以是一个警报信号，如警报器。 开发传感器的神经系统和大脑是研究人员面临的一项重大工作。科学实验室这样的基础研究为应用科学奠定了基础。此外，这项研究加深了科学家对材料本身的理解。 科研人员发现，有三种类型的尖端材料在传感器方面存在巨大潜力：纳米粒子，二维材料和金属有机框架（MOFs）。纳米粒子直径微小，比原子稍大，但它的性质确不同于大颗粒物质。石墨烯这样的二维材料只是一个原子厚的薄片。MOFs材料制成的金属离子化合物由碳基材料连接在一起。 这三种物质拥有一个共性，那就是有拥有巨大的比表面积。正因为如此，许多气体分子可以与它们的表面相互作用，它们对微量的化学物质很敏感。此外，科学家可以将这些材料加工成各种结构。这种特性可以让研究人员创建专门的材料来检测特定的化学物质。 纳米硫化锌 为了创造更完美的传感器，需要将传感材料从纳米颗粒中分离出来，这正是目前研究人员的痛点所在。氢气和其他气体传感器已经使用硫化锌材料。以纳米颗粒形式生产硫化锌可以使它更便宜高效。但是目前生产硫化锌纳米颗粒的过程涉及到非常高的温度、压力和有毒物质。 美国能源部橡树岭国家实验室（ORNL）的科学家研究出了更便宜、更有效的纳米颗粒生产工艺。美国能源部先进制造办公室和科学办公室的研究人员发现，微生物可能会提供另一条更有价值的道路。 一些细菌通常生活在非常热的地方并且没有氧气。当添加了含有锌和硫的廉价糖和化学物质后，细菌产生了大约四分之三的硫化锌纳米颗粒。这个过程比目前的方法便宜了90%。 生长二维材料 二维材料是一种特殊形式的纳米材料，只有几个原子的厚度。它们的比表面积很大，这一特性为气体分子提供了大量的空间来相互作用，并且能容纳大量的气体分子。但是二维材料的行为与普通的“块状”材料有很大的不同，科学家们并不清楚它们是如何生长的。对这一过程没有深入了解，制造商就不能始终如一地生产高质量的产品。 为了解决这个问题，美国科学家探索了一个更好的方法来生长二维材料镓硒（硒化镓）。当他们在装满氩气的容器中生长物质时，发现通过改变气体的温度和流量，可以在沉积和游离之间来回切换。但是他们仅仅发现了这种状态，并没理解化学层面上到底发生了什么。 “为了看清我们在实验室的成果，我们需要高分辨率的设备，先进的分析工具，”橡树岭国家实验室的科学家TolgaAytug说。为了达到要求的精度水平，团队转向了纳米材料科学中心。那里的工具帮助他们了解生长材料的过程，并且知道了这个过程是如何影响材料的结构和性能的。基于这些信息，他们改进了方法，以获得他们获得想要的特性。 将来，科学家们也许能够将各种二维材料组合成通用的传感器。二维材料的好处是我们可以将不同的人工材料叠到一起，”橡树岭国家实验室的科学家Kai Xiao说。这些人工材料能够探测到不同的化学物质，而不仅仅是目前的一种。 金属有机框架 金属离子和碳基材料形成开放式连接的笼状结构。MOF只有几英寸宽，但表面积达到了惊人的2.5英亩。这为分子提供了大量的空间来相互作用。 因此，MOFs能检测到微量的化学物品。科学家们通过改变这种材料的空间大小、形状和部件连接方式，来控制MOF所检测的化学物质。 “对于MOF传感器，非常敏感但是它也由很高的选择性，”美国能源部的太平洋西北国家实验室（PNNL）的科学家Praveen Thallapally说。 MOF的一个好处是他们特定的材料可以适应新的分子通过材料结构的能力。太平洋西北国家实验室的科学家们发现，一个MOF与锌一起能捕获钴和铜。当这些金属离开分子时，MOF返回原来的结构。这意味着在一个化学物质连接到一个MOF后，触发了传感器，这一特性让我们可以多次使用传感器而无需更换MOF。 许多正在进行的研究主要集中在如何发现和设计材料。MOFs材料类似于传统原料，它是刚性的，难以加工。相比之下，聚合物（柔性分子链）更容易控制。然而，它们通常密集地排列在一起，杂乱无章。来自加利福尼亚大学的科学家，利用他们各自的优势，发现了一种利用聚合物来制备MOFs的方法。研究人员使用混合材料制造薄膜，这种薄膜通常用于传感器。 MOF研究的下一个突破点可能来自于计算机建模。使用传统模型来判断哪种结构与特定化学物质的最佳相互作用可能需要数年时间，而且费用非常昂贵。相比之下，使用机器学习的强大计算机模型可以让科学家在几天内找到合适的材料。 太平洋西北国家实验室的科学家们为了寻找可以将氙气和氪气分离的MOF，他们与美国能源部的劳伦斯伯克利国家实验室进行合作。在搜索了超过120000个选项后，他们的计算机模型显示了一种钙基材料，它擅长于这项任务。 把鼻子和身体连接起来 对于传感器而言，一个伟大的传感材料是必不可少的，但它不会自己工作。正如鼻子需要身体和大脑一样，传感材料也需要成为更大机制的一部分。不幸的是，让这些材料在传感器内工作经常是一个挑战。 印刷纳米油墨 传感纳米颗粒制成的“墨水”可以印刷到纸张、塑料、橡胶和织物上，这让工程师们可以制造更小更灵活的传感器。 “制造粒子是一回事，含有粒子的功能性油墨是另外一回事，”橡树岭国家实验室的科学家Pooran Joshi轻描淡写道。 美国研究人员找到了把铜纳米粒子添加到优质墨水的最佳方式。通过使用高强度的光，科学家将纳米粒子的表面融合，这个过程只有几百万分之一秒。当铜基纳米颗粒油墨融合在一起时，就产生了一个印刷的表面。然后研究人员将印刷的表面作为温度传感器的一个部件。 纳米管与纳米晶体的结合 科学家们知道，由纳米管和纳米晶体构成的传感器能够探测到百万分之一的气体，但是这要求他们能把这两种材料放在一起工作。 Ralu Divan和她的团队发现添加氧化锌到碳纳米管的一种方法。相较于传统传感器，将两者结合后的传感器对甲烷敏感得多。通过将氧化锌纳米晶体逐原子放置，它们在纳米管上形成了一层薄而均匀的薄层。有了这个过程，就可以精确控制氧化锌的厚度和覆盖率。 皇天不负有心人，他们开发了一种传感器，可以探测到比以前低得多的甲烷浓度。使用者可以在几秒钟内使用这种新设备。 这种传感器在现有技术上有了很大的进步，在2016，R&D 100杂志承认它是R&D 100入围者。研究团队现在正参与物联网项目，他们与芝加哥大学和公司进行合作。他们为从芝加哥各地收集数百个传感器实时数据的一部分而努力，物联网小组预计将来会使用这些甲烷传感器。 诸如“物联网”之类的项目有可能将城市转变成传感器网络，将数字化的眼睛和鼻子置于整个建筑景观之中。但是如果没有坚实的科学基础，这些网络和技术是不可能的。没有什么能比得上人类鼻子的多才多艺，但是科学研究办公室的支持有助于填补我们生物学能力的空白。
    11浏览量
    原文链接

  • 《人工智能模型可以揭示晶体材料的结构》
    • 来源专题：新一代信息技术
    • 编译者：isticzz2022
    • 发布时间：2024-09-24
    •       100多年来，科学家们一直在使用X射线晶体学来确定金属、岩石和陶瓷等晶体材料的结构。当晶体完好无损时，这种技术效果最佳，但在许多情况下，科学家们只有粉末状的材料，其中含有晶体的随机碎片。这使得将整体结构拼凑在一起变得更加具有挑战性。       麻省理工学院的化学家们现在提出了一种新的生成式人工智能模型，可以更容易地确定这些粉末晶体的结构。该预测模型可以帮助研究人员表征用于电池、磁铁和许多其他应用的材料。通过分析X射线晶体学数据，该模型可以帮助研究人员开发用于许多应用的新材料。麻省理工学院Frederick George Keyes化学教授Danna Freedman说：“对于任何材料来说，结构都是你需要知道的第一件事。它对超导性很重要，对磁铁很重要，对于知道你创造了什么光伏很重要。它对你能想到的任何以材料为中心的应用都很重要。”。      Freedman和斯坦福大学计算机科学教授Jure Leskovec是这项新研究的资深作者，该研究发表在《美国化学学会杂志》上。麻省理工学院研究生Eric Riesel和耶鲁大学本科生Tsach Mackey是这篇论文的主要作者。      晶体材料包括金属和大多数其他无机固体材料，由许多相同的重复单元组成的晶格组成。这些单元可以被认为是具有独特形状和大小的“盒子”，原子精确地排列在其中。当X射线照射到这些晶格上时，它们会以不同的角度和强度衍射原子，从而揭示原子位置和原子间键的信息。自20世纪初以来，这种技术已被用于分析材料，包括具有晶体结构的生物分子，如DNA和一些蛋白质。       对于仅以粉末晶体形式存在的材料，解决这些结构变得更加困难，因为碎片没有携带原始晶体的完整3D结构。弗里德曼说：“精确的晶格仍然存在，因为我们所说的粉末实际上是微晶的集合。所以，你的晶格与大晶体相同，但它们处于完全随机的方向。”       对于数千种这样的材料，X射线衍射图案存在，但仍未得到解决。为了尝试破解这些材料的结构，Freedman和她的同事们根据一个名为“材料项目”的数据库中的数据训练了一个机器学习模型，该数据库包含超过15万种材料。首先，他们将数万种这种材料放入一个现有的模型中，该模型可以模拟X射线衍射图案的样子。然后，他们使用这些模式来训练他们的人工智能模型，他们称之为Crystalyze，以根据X射线模式预测结构。       该模型将预测结构的过程分解为几个子任务。首先，它确定晶格“盒子”的大小和形状，以及哪些原子将进入其中。然后，它预测盒子内原子的排列。对于每个衍射图案，该模型生成了几个可能的结构，可以通过将这些结构输入一个模型来测试，该模型确定了给定结构的衍射图案。Riesel说：“我们的模型是生成性人工智能，这意味着它生成了以前从未见过的东西，这使我们能够生成几种不同的猜测。我们可以进行一百次猜测，然后我们可以预测粉末模式应该是什么样子。然后，如果输入与输出完全相同，那么我们就知道我们做对了。”       研究人员在材料项目的数千个模拟衍射图案上测试了该模型。他们还对RRUFF数据库中的100多个实验衍射图案进行了测试，该数据库包含近14000种天然晶体矿物的粉末X射线衍射数据，这些数据是他们在训练数据中保留的。根据这些数据，该模型的准确率约为67%。然后，他们开始在以前没有解决的衍射图案上测试该模型。这些数据来自粉末衍射文件，其中包含400000多种已解决和未解决材料的衍射数据。       利用他们的模型，研究人员为100多个以前未解决的模式提出了结构。他们还利用他们的模型发现了弗里德曼实验室通过迫使在大气压下不反应的元素在高压下形成化合物而创造的三种材料的结构。这种方法可用于产生具有完全不同的晶体结构和物理性质的新材料，即使它们的化学成分是相同的。 石墨和金刚石都是由纯碳制成的，它们就是这种材料的例子。弗里德曼开发的材料，每种都含有铋和另一种元素，可用于设计永磁体的新材料。        弗里德曼说：“我们从现有数据中发现了很多新材料，最重要的是，我们实验室解决了三个未知的结构，这些结构构成了这些元素组合的第一个新的二元相。”麻省理工学院的团队表示，能够确定粉末晶体材料的结构可以帮助研究人员在几乎任何与材料相关的领域工作，该团队已在crystalyze.org上发布了该模型的网络界面。 该研究由美国能源部和国家科学基金会资助。
    114浏览量
    原文链接