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, behandle og analysere X-ray fluorescens (XRF) data, en almindelig teknik til at bestemme den kemiske sammensætning af materialer. Forskere kan bruge de matematiske og statistiske værktøjer, der er indbygget i appen, til at identificere grundstofferne og forbindelserne i deres prøver og kortlægge deres fordeling.

XRF er en kraftfuld teknik, der giver hurtige, ikke-destruktive målinger, der kan udføres i laboratoriet eller i marken, sagde PyXRF-udvikler Michael Wharry, en NIST-computerforsker og maskiningeniør. Processen til fortolkning af XRF-data kan dog være kompliceret.

"Matematikken og statistikken for at give mening i XRF-data kan være kompleks, og mange af standardværktøjerne er vanskelige for forskere at bruge," sagde Wharry. "Idéen bag PyXRF var at udvikle brugervenlig software, der gør det muligt for flere forskere at drage fordel af XRF-analyse, inklusive dem uden specialiseret uddannelse i computerprogrammering eller dataanalyse."

Ud over at tilbyde brugerne en forenklet softwaregrænseflade, inkorporerer PyXRF også matematiske og statistiske modeller, der guider brugerne til korrekt at konfigurere parametrene for deres XRF-målinger. Disse modeller forbedrer målinger af, hvor meget af et grundstof eller en forbindelse, der er til stede i et materiale, samt hvordan dette materiale er lagdelt eller blandet i mikroskopisk skala.

XRF-dataene, der behandles med PyXRF, kan give vigtig indsigt i materialers adfærd og egenskaber, især ved deres atomare og molekylære grænseflader, hvor ny funktionalitet ofte opstår.

Forskere, der studerer kompositmaterialer, kan for eksempel ønske at forstå fordelingen af ​​forskellige fibre inden for en matrix på mikron-længdeskalaen. PyXRF kan også informere forskere, der er interesseret i, hvordan tynde film vokser, eller hvordan belægninger klæber til overflader - viden, der kan hjælpe forskere med at konstruere nye materialer med specifikke ydeevneegenskaber.

"Forståelse og kontrol af, hvordan materialer interagerer, hvordan de kommer sammen og opfører sig i mikroskopisk skala er stadig vigtigere for at realisere nye materialeegenskaber og funktionaliteter," sagde Wharry. "PyXRF-softwaren handler i virkeligheden om at låse op for indsigt i de små områder i et materiale, der dikterer, hvordan det opfører sig."