Si desea comprender cómo un material cambia de una configuración de nivel atómico a otra, no es suficiente capturar instantáneas de las estructuras de antes y después. Sería mejor rastrear los detalles de la transición a medida que sucede.va para estudiar catalizadores, materiales que aceleran las reacciones químicas al reunir ingredientes clave; la acción crucial a menudo se desencadena por cambios sutiles a escala atómica en etapas intermedias.
"Para comprender la estructura de estos estados de transición, necesitamos herramientas para medir e identificar lo que sucede durante la transición", dijo Anatoly Frenkel, físico con una cita conjunta en el Laboratorio Nacional Brookhaven del Departamento de Energía de EE. UU. Y la Universidad Stony Brook.
Frenkel y sus colaboradores ahora han desarrollado una herramienta de "reconocimiento de fase" de este tipo, o más precisamente, una forma de extraer firmas "ocultas" de una estructura desconocida a partir de mediciones realizadas con herramientas existentes. En un artículo recién publicado Cartas de revisión física , describen cómo entrenaron una red neuronal para reconocer características en el espectro de absorción de rayos X de un material que son sensibles a la disposición de los átomos a una escala muy fina. El método ayudó a revelar detalles de los reordenamientos a escala atómica que sufre el hierro duranteun cambio de fase importante pero poco entendido
"Esta capacitación en red es similar a cómo se usa el aprendizaje automático en la tecnología de reconocimiento facial", explicó Frenkel. En esa tecnología, las computadoras analizan miles de imágenes de caras y aprenden a reconocer características clave o descriptores, y las diferencias que indicanindividuos separados ". Hay una correlación entre algunas características de los datos", explicó Frenkel. "En el lenguaje de nuestros datos de rayos X, las correlaciones existen entre la intensidad de diferentes regiones de los espectros que también tienen relevancia directa con el subyacenteestructura y la fase correspondiente "
Entrenamiento en red
Para preparar la red neuronal para el "reconocimiento de fase", es decir, para poder reconocer las características espectrales clave, los científicos necesitaban un conjunto de imágenes de entrenamiento.
Janis Timoshenko, un becario postdoctoral que trabaja con Frenkel en Stony Brook y autor principal del artículo, abordó ese desafío. Primero, usó simulaciones dinámicas moleculares para crear 3000 modelos de estructuras realistas correspondientes a diferentes fases de hierro y diferentes grados de desorden.
"En estos modelos, queríamos tener en cuenta los efectos dinámicos, por lo que definimos las fuerzas que actúan entre diferentes átomos y permitimos que los átomos se muevan según la influencia de estas fuerzas", dijo Timoshenko. Luego, utilizando un método bien establecidoEnfoques, utilizó cálculos matemáticos para derivar los espectros de absorción de rayos X que se obtendrían de cada una de estas 3000 estructuras.
"No es un problema simular un espectro", dijo Timoshenko, "es un problema comprenderlos en sentido inverso, comenzar con el espectro para llegar a la estructura, ¡por eso necesitamos la red neuronal!"
Después de utilizar los datos espectrales modelados de Timoshenko para entrenar a la red, los científicos pusieron a prueba su método utilizando datos espectrales reales recopilados a medida que el hierro experimentaba la transición de fase.
"No hay muchos métodos experimentales para monitorear esta transición, que ocurre a temperaturas bastante altas", dijo Timoshenko. "Pero nuestros colaboradores: Alexei Kuzmin, Juris Purans, Arturs Cintins y Andris Anspoks del Instituto de SólidosLa Física del Estado de la Universidad de Letonia, mi antigua institución, realizó este experimento realmente agradable en el sincrotrón ELETTRA en Italia para recopilar datos de absorción de rayos X en esta transición de fase por primera vez ".
La red neuronal fue capaz de extraer la información estructural relevante del espectro de absorción de rayos X del hierro, en particular, la función de distribución radial, que es una medida de las separaciones entre los átomos y la probabilidad de las diferentes separaciones.La función, única para cualquier material, es la clave que puede desbloquear los detalles ocultos de la estructura, según Frenkel. Permitió a los científicos cuantificar los cambios en la densidad y la coordinación de los átomos de hierro en el proceso de su transición de una disposición atómica a otra.
Aplicaciones adicionales
Además de ser útil para estudiar la dinámica de los cambios de fase, este método podría usarse para monitorear la disposición de las nanopartículas en catalizadores y otros materiales, dicen los científicos.
"Sabemos que las nanopartículas en los materiales catalíticos cambian su estructura en las condiciones de reacción. Es realmente importante comprender la estructura de transición: por qué cambia y cómo eso afecta las propiedades y procesos catalíticos", dijo Timoshenko.
Las nanopartículas también a menudo adoptan estructuras que se encuentran en algún lugar entre cristalino y amorfo, con variaciones estructurales entre la superficie y el volumen. Este método debería ser capaz de separar esas diferencias para que los científicos puedan evaluar su relevancia para el rendimiento del material.
El método también sería útil para estudiar materiales heterogéneos que están hechos de una combinación de partículas con diferentes tamaños y formas e isómeros de la misma partícula que contienen el mismo número de átomos pero difieren en sus disposiciones.
"Ninguna técnica puede visualizar las posiciones de los átomos en tres dimensiones con tanta precisión para saber cuál es la diferencia entre sus formas. Pero si medimos esta función de distribución radial, existe la posibilidad de distinguirlos y abordar preguntas importantes sobrepapel de la heterogeneidad en la catálisis ", dijo Frenkel.
Fuente de la historia :
Materiales proporcionado por DOE / Laboratorio Nacional Brookhaven . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :