新型材料的高通量鉴定方法

 

加州理工学院和谷歌的研究人员将计算机自动化与最初用于打印 T 恤设计的喷墨打印机相结合，开发出一种高通量方法来识别具有有趣特性的新型材料。在该过程的试运行中，他们筛选了数十万种可能的新材料，并发现了一种由钴、钽和锡制成的材料，其透明度可调，可作为化学反应的良好催化剂，同时在强酸性电解质中保持稳定。

 

在国家科学院院刊( PNAS ) 上发表的一篇科学文章中描述了这项工作，由加州理工学院的 John Gregoire 和 Joel Haber 以及谷歌的 Lusann Yang 领导。它建立在加州理工学院能源部 (DOE) 能源创新中心人工光合作用联合中心 (JCAP) 的研究基础上，并继续与 JCAP 的继任者液体阳光联盟 (LiSA) 合作，这是一项由能源部资助的项目，旨在简化将阳光转化为燃料所需的复杂步骤，使该过程更加高效。

 

创造新材料并不像将几个不同的元素放入试管并摇晃它看看会发生什么那么简单。您需要将您组合的元素在原子水平上相互结合，以创造出新的和不同的东西，而不仅仅是成分的异质混合物。由于元素周期表上各种正方形的可能组合几乎无限，因此挑战在于知道哪种组合会产生这种材料。

 

“材料发现可能是一个惨淡的过程。如果你无法预测在哪里可以找到所需的特性，你可能会在整个职业生涯中混合随机元素，却永远找不到任何有趣的东西，”应用物理学和材料科学研究教授 Gregoire 说， JCAP 研究员和 LiSA 团队负责人。

 

当组合少量单个元素时，材料科学家通常可以根据新材料的组成部分预测新材料可能具有的特性。然而，当制造出更复杂的混合物时，这个过程很快就变得站不住脚了。

 

“在材料科学中，任何超过两种元素都被认为是‘高维’，”格雷瓜尔说。“大多数或所有的一种和两种金属氧化物都是已知的，”他说。“未知边界是三个或更多在一起。” （金属氧化物是包含带正电的金属离子或阳离子和带负电的氧离子或阴离子的固体材料；例如，铁锈就是氧化铁。）

 

 

 

地壳中的大部分物质都是金属氧化物，因为大气中的氧气会与地壳中的各种金属发生反应。金属氧化物的环境稳定性使其具有实际用途，前提是可以确定此类氧化物的特定成分，从而提供给定技术所需的机械、光学、电子和化学特性。

 

尽管材料科学家已经展示了如何通过使用各种金属氧化物来调整所有这些特性，但实现特定应用所需的特性可能需要多种元素的特定组合，而找到合适的组合则是一项艰巨的挑战。

 

为了探索三个或更多金属氧化物的前沿，Gregoire 的团队借鉴了 JCAP 十年来的工作价值。在那里，研究人员开发了每天制造 100,000 种材料的方法。在这项研究中发现的一种这样的材料是通过使用重新利用的喷墨打印机将新材料“打印”到玻璃板上来生产的。每种元素组合都被印刷成一条线，其成分之间的比例具有渐变，然后在高温下氧化。

 

然后在加州理工学院使用与谷歌共同开发的高光谱成像技术对这些材料中的每一种进行扫描和成像，该技术可以通过记录材料在九种不同波长吸收多少光来快速捕获有关材料的信息。JCAP 和 LiSA 的研究化学家和材料工程师 Haber 说：“这不是对材料的全面分析，但它是快速的，并为具有有趣特性的成分提供了线索。”

 

加州理工学院团队总共创建了 376,752 种基于 10 种金属元素的三金属氧化物组合，并在 10 次不同时间为每个单独组合制作了样品，以检测并清除合成过程中的任何缺陷。“打印可能会有伪影，这是您为速度做出的牺牲。谷歌的分析教会我们将所有内容都打印 10 次，以建立对结果的信任，”Gregoire 说。

 

虽然不完美，但该工艺制造三金属材料的速度比传统技术（如气相沉积）快约 1,000 倍，在传统技术中，新材料通过从蒸汽中冷凝而涂覆到基板上。

 

谷歌计算机工程师随后创建了处理高光谱图像的算法，并搜索特定成分，其光学特性只能通过三种金属元素之间的化学相互作用来解释。

 

“如果这三种元素化学相互作用以提供特殊的光学特性，它们的相互作用也可能产生其他特殊的特性，”Gregoire 解释说。由于该技术可以识别显示出这些化学相互作用证据的一小部分成分，因此可以说，它还缩小了材料科学家寻找针头的大海捞针的范围。

 

“约翰的实验室遇到了我们在谷歌应用科学公司梦寐以求的那种问题；他一天可以打印数十万个样本，产生数 TB 的图像数据，”谷歌研究员 Lusann Yang 说。“我们很高兴在这六年合作的每一步都与他密切合作，寻找应用谷歌独特工具包对大量噪声数据进行迭代实验的地方：设计实验、调试硬件、处理大量图像数据，以及创建受物理启发的算法。结果是一个跨越许多化学空间的独特广度的实验数据集，我很自豪能够开源。”

 

为了验证他们的发现，加州理工学院的 Gregoire 团队使用物理气相沉积重新创建了标记为“有趣”的材料，并使用 X 射线衍射对其进行了分析，这是一个比高光谱成像更慢但更彻底的过程。这种类型的验证表明，与人类科学家对高光谱数据的彻底分析相比，自动化高通量过程更擅长发现新材料。

 

在PNAS论文题为“发现通过自动化实验和数据科学复合氧化物”。