Diferencias topológicas de los materiales de alto rendimiento para el almacenamiento de metano. El análisis de datos topológicos revela la similitud entre estructuras; cada nodo representa una familia de materiales similares, mientras que una red entre dos nodos indica que comparten al menos un material. Cuanto más separados estén los nodos, cuanto más diferentes sean los materiales. Las imágenes muestran ejemplos de materiales nanoporosos en los bordes, y representan los materiales topológicamente más diferentes (rojo =Si, amarillo =O, área azul =poros) Crédito:Berend Smit / EPFL
Los materiales clasificados como "nanoporosos" tienen estructuras (o "marcos") con poros de hasta 100 nm de diámetro. Estos incluyen diversos materiales utilizados en diferentes campos de la separación de gases, catálisis, e incluso medicamentos (por ejemplo, carbón activado). El rendimiento de los materiales nanoporosos depende tanto de su composición química como de la forma de sus poros, pero esto último es muy difícil de cuantificar. Hasta aquí, los químicos confían en la inspección visual para ver si dos materiales tienen poros similares. Científicos de EPFL, en el marco de NCCR-MARVEL, Ahora han desarrollado un método matemático innovador que permite a una computadora cuantificar la similitud de las estructuras de los poros. El método permite buscar en bases de datos con cientos de miles de materiales nanoporosos para descubrir nuevos materiales con la estructura de poros adecuada. El trabajo está publicado en Comunicaciones de la naturaleza .
La búsqueda de materiales nanoporosos
Los materiales nanoporosos comprenden una categoría amplia y pueden diferir ampliamente en su composición química. Lo que los une es la presencia de poros de tamaño nanométrico en su estructura tridimensional, lo que les confiere propiedades catalíticas y de absorción. Estos poros pueden oscilar entre 0,2-1000 nanómetros, y su tamaño y forma (su "geometría") pueden tener un efecto decisivo en las propiedades del material. De hecho, La forma de los poros es un predictor del rendimiento tan importante como la composición química.
Hoy dia, las computadoras pueden generar grandes bases de datos de materiales potenciales y determinar, antes de tener que sintetizarlos, qué materiales funcionarían mejor para una aplicación determinada. Pero su química es tan versátil que el número de posibles nuevos materiales es casi ilimitado. mientras que no tenemos un método para cuantificar y comparar similitudes entre geometrías de poros. Todo esto significa que encontrar el mejor material nanoporoso para cualquier aplicación es un desafío.
Matemáticas al rescate
Un nuevo método desarrollado en una colaboración de los laboratorios de Berend Smit y Kathryn Hess Bellwald en EPFL utiliza una técnica de matemáticas aplicadas llamada "homología persistente". Esta técnica puede cuantificar la similitud geométrica de las estructuras de los poros adoptando las herramientas matemáticas que Facebook y otros utilizan comúnmente para encontrar caras similares en las fotos cargadas.
El método de homología persistente produce "huellas dactilares", representado por códigos de barras, que caracterizan las formas de los poros de cada material en la base de datos. Luego, estas huellas digitales se comparan para calcular qué tan similares son las formas de los poros de dos materiales. Esto significa que este enfoque se puede utilizar para analizar bases de datos e identificar materiales con estructuras de poros similares.
Los científicos de EPFL demuestran que el nuevo método es eficaz para identificar materiales con geometrías de poros similares. Una clase de materiales nanoporosos que se beneficiaría de esta innovación son las zeolitas y las estructuras organometálicas (MOF), cuyas aplicaciones van desde la separación y almacenamiento de gases hasta la catálisis.
Los científicos utilizaron el almacenamiento de metano, un aspecto importante de la energía renovable, como estudio de caso. El nuevo método demostró que es posible encontrar materiales nanoporosos que funcionen tan bien como los materiales conocidos de alto rendimiento mediante la búsqueda en bases de datos de formas de poros similares.
En cambio, el estudio muestra que las formas de los poros de los materiales de alto rendimiento se pueden clasificar en clases topológicamente distintas, y que los materiales de cada clase requieren una estrategia de optimización diferente.
"Tenemos una base de datos de más de 3, 000, 000 materiales nanoporosos, por lo que encontrar estructuras similares a través de la inspección visual está fuera de discusión, "dice Berend Smit." De hecho, revisando la literatura, Descubrimos que los autores a menudo no se dan cuenta cuando un nuevo MOF tiene la misma estructura de poros que otro. Entonces realmente necesitamos un método computacional. Sin embargo, mientras que los humanos son intuitivamente buenos para reconocer las formas como iguales o diferentes, necesitábamos trabajar con el departamento de matemáticas de EPFL para desarrollar un formalismo que pueda enseñar esta habilidad a una computadora ".
"En el campo de la topología algebraica, Los matemáticos han formulado la teoría de la homología de persistencia en cualquier dimensión, ", dice Kathryn Hess." Las aplicaciones anteriores utilizaban solo las dos primeras de estas dimensiones, por eso es emocionante que los ingenieros químicos de EPFL hayan descubierto una aplicación importante que también requiere la tercera dimensión ".