Robotisk afsløring af krystalstrukturer

Robotisk afsløring af krystalstrukturer

Tidsstempel: 28. februar 2024 kl. 3:00
Kildeknude: 2498302
28. februar 2024 (Nanowerk nyheder) Forskere ved National Institute for Materials Science (NIMS) i Japan har automatiseret en kompleks og arbejdskrævende proces til at analysere resultaterne af røntgendiffraktionsundersøgelser, som bruges til at bestemme strukturen af ​​krystallinske materialer. Holdet beskrev udviklingen og anvendelsen af ​​deres teknik i journalen Videnskab og teknologi for avancerede materialer: Metoder ("Automatisk Rietveld-forfining ved robotprocesautomatisering med RIETAN-FP"). Røntgenstråler, der affyres mod en krystal, interagerer med dens partiklers geometriske arrangement og diffrakteres i mange retninger i et komplekst mønster af stråler, der afhænger af krystallens præcise struktur. Eksperter analyserer mønsteret og intensiteten af ​​de diffrakterede røntgenstråler for at bestemme krystallens indre arrangement. Dette er en kraftfuld og meget brugt proces til at afsløre den tredimensionelle atomstruktur af nye materialer. En veletableret matematisk procedure, kaldet Rietveld-analyse, bruges til at fortolke røntgendiffraktionsdata, men den er tidskrævende og kræver manuel trial-and-error-forfining af resultaterne. "For at reducere menneskelige omkostninger og ressourcer har vi udviklet et robotprocesautomatiseringssystem (RPA), som vi anvender på et eksisterende Rietveld-analyseprogram kaldet RIETAN-FP," siger Ryo Tamura fra NIMS-teamet. "Ved at bruge vores nye procedure, ved hjælp af maskinlæring, er det lykkedes os at udføre Rietveld-analyse automatisk," tilføjer Tamura. Automatiseringen kan køres på en personlig computer og kan reducere menneskelige fejl samt fremskynde dataanalysen i høj grad. Tamura forklarer, at materialevidenskab allerede er afhængig af adskillige grafiske brugergrænseflader (GUI) applikationer til at beregne et materiales egenskaber, kontrollere eksperimentelt udstyr eller analysere materialedata. Han siger, at ved at kombinere denne nye RPA- og maskinlæringsevne med disse applikationer opnås et "lukket sløjfe" til automatisk at designe og analysere materialer med minimal menneskelig indgriben. Forskerne verificerede nøjagtigheden af ​​deres procedure ved at analysere prøver af pulveriserede forbindelser, hvis krystalstrukturer allerede er kendt. Evnen til at bestemme strukturerne ud fra pulveriserede prøver er en af ​​de store styrker ved Rietveld-analyse. Det undgår behovet for at dyrke store enkeltkrystaller, hvilket kan være ekstremt vanskeligt at få fat på for nogle materialer. "Automatisering af Rietveld-analyse bringer et meget kraftfuldt nyt værktøj ind i hele materialevidenskabens område," konkluderer Tamura. Forskerne arbejder nu på at forfine deres procedure yderligere for at gøre den velegnet til mere komplekse krystalstrukturer. Et andet mål er at udforske brugen af ​​deres machine learning RPA-strategi til mere generelle anvendelser inden for materialevidenskab. Mulighederne omfatter talrige simuleringsmetoder, der anvendes til beregning af materialeegenskaber og også applikationer til styring af eksperimentelt udstyr. Den hidtil opnåede succes med røntgendiffraktion kunne blot være starten på Rietveld-robotikken.

Tidsstempel:

Mere fra Nanoværk