Blande moderne materialer? NIST matematik app hjælper dig med at administrere din mashup

Blanding og matchning af materialer – selv på molekylært niveau – kan give overraskende nye egenskaber med fordele for elektronik, energi, avanceret fremstilling og mere. Men at optimere disse materialemashups kan være udfordrende.

Forskere ved National Institute of Standards and Technology (NIST) har udviklet en app, der strømliner karakteriseringen af ​​komplekse materialer. Kaldet PyXRF, det giver en intuitiv grænseflade til at fange og behandle data fra håndholdte røntgenfluorescens (XRF) enheder, en relativt ny og prisbillig type røntgenspektrometer, der kan afsløre den kemiske sammensætning af materialer. Appen er tilgængelig som open source-software.

"Dette er en mobilapp designet til ikke-eksperter, der har brug for en hurtig og beskidt måde at vurdere, om deres materialer har de egenskaber, de forventer," sagde NIST-materialeforsker Michael McGuire.

XRF er en type spektroskopi, der bruger røntgenstråler til at excitere elektroner i et atom og måle den energi, der frigives, når disse elektroner vender tilbage til lavere energitilstande. Det karakteristiske energi-'fingeraftryk' af hver exciteret elektron afslører information om typen og mængden af ​​atomer i et materiale.

Men at udtrække meningsfuld information fra disse målinger kræver en vis forståelse af måleudstyret og kompleksiteten af ​​røntgenfysik og signalbehandling.

"XRF-spektrometre bliver mindre, billigere og nemmere at bruge," sagde McGuire. "Men softwarepakkerne, der følger med disse instrumenter, er typisk grundlæggende, og de fleste antager, at brugeren har tiden eller ekspertisen til manuelt at konfigurere og efterbehandle målingerne. PyXRF strømliner disse opgaver til en brugervenlig app."

Appen giver også brugerne mulighed for nemt at sammenligne målinger taget i felten med kendte målinger af materialebiblioteker, inklusive en NIST-teamet skabte til forskellige typer plast.

PYXRF bliver allerede brugt af medlemmer af NIST Material Measurement Laboratory (MML) til at analysere prøver på stedet ved produktionsfaciliteter og andre industrielle installationer og også til at identificere materialer i museumssamlinger. For eksempel var PyXRF i stand til at identificere den type pigment, der blev brugt i et 200 år gammelt portræt på Smithsonian American Art Museum.

Appen tiltrækker også interesse fra andre steder end NIST. Det bliver brugt af studerende og forskere ved MIT og Georgetown University, og der har været opsøgende fra en nystartet virksomhed, der er interesseret i at inkorporere PyXRF i et kommercielt softwareprodukt.

"Vi håber, at vi ved at øge tilgængeligheden af ​​avancerede målefunktioner vil opmuntre flere mennesker til at udforske materialernes egenskaber og opdage den næste store ting," sagde McGuire.