Ingenieurs van de Monash University in Australië hebben de eerste technologie ter wereld ontwikkeld die de industrie kan helpen bij het identificeren en exporteren van grafeen van hoge kwaliteit, goedkoper, sneller en nauwkeuriger dan de huidige methoden.
Vandaag gepubliceerd in internationaal tijdschrift Geavanceerde wetenschap, gebruikten onderzoekers de dataset van een optische microscoop om een machine-learning algoritme te ontwikkelen dat de eigenschappen en kwaliteit van grafeen kan karakteriseren, zonder vooringenomenheid, binnen 14 minuten.
Deze technologie verandert wereldwijd honderden fabrikanten van grafeen of grafeenoxide. Het zal hen helpen de kwaliteit en betrouwbaarheid van hun grafeenvoorraad in korte tijd te verbeteren.
Momenteel kunnen fabrikanten de kwaliteit en eigenschappen van grafeen dat in een product wordt gebruikt, pas detecteren nadat het is vervaardigd.
Door dit algoritme, dat de potentie heeft om wereldwijd te worden uitgerold met commerciële ondersteuning, kunnen grafeenproducenten verzekerd zijn van een kwaliteitsproduct en het tijdrovende en kostbare proces van een reeks karakteriseringstechnieken om grafeeneigenschappen te identificeren, zoals de dikte en grootte van de atomaire lagen.
Professor Mainak Majumder van de afdeling Mechanische en Luchtvaart- en Ruimtevaarttechniek van Monash University en de Hub on Graphene Enabled Industry Transformation van de Australian Research Council leidden dit baanbrekende onderzoek.
Medeauteurs van de studie zijn Md. Joynul Abedin en Dr. Mahdokht Shaibani (Monash, Afdeling Mechanische en Luchtvaart- en Ruimtevaarttechniek), en Titon Barua (Vimmaniac Ltd., Bangladesh).
“Grafeen heeft een buitengewone capaciteit voor elektrische en thermische geleidbaarheid. Het wordt veel gebruikt bij de productie van membranen voor waterzuivering, energieopslag en in slimme technologie, zoals sensoren voor gewichtsbelasting op verkeersbruggen”, zei professor Majumder.
“Tegelijkertijd is grafeen vrij duur als het gaat om het gebruik in grote hoeveelheden. Een gram grafeen van hoge kwaliteit kan wel $ 1.000 AUD ($ 720 USD) kosten, een groot percentage ervan is te wijten aan het kostbare kwaliteitscontroleproces.
“Daarom moeten fabrikanten er zeker van zijn dat ze grafeen van de hoogste kwaliteit op de markt kopen. Onze technologie kan de eigenschappen van grafeen in minder dan 14 minuten detecteren voor een enkele dataset met een resolutie van 1936 x 1216. Dit bespaart fabrikanten essentiële tijd en geld, en een concurrentievoordeel vestigen in een groeiende markt. “
Grafeen, ontdekt in 2004, wordt aangeprezen als een wondermateriaal vanwege zijn uitstekende lichtgewicht, dunne en ultraflexibele eigenschappen. Grafeen wordt geproduceerd door de afschilfering van grafiet. Grafiet, een kristallijne vorm van koolstof met hexagonaal gerangschikte atomen, bestaat uit vele lagen grafeen.
De vertaling van dit potentieel naar real-life en bruikbare producten is echter traag verlopen. Een van de redenen is het gebrek aan betrouwbaarheid en consistentie van wat in de handel vaak verkrijgbaar is als grafeen.
De meest gebruikte methode voor het produceren van grafeen en grafeenoxidebladen is door middel van exfoliatie in de vloeistoffase (LPE). Bij dit proces worden de enkellaagse vellen gestript van hun 3D-tegenhanger, zoals grafiet, grafietoxidefilm of geëxpandeerd grafiet door afschuifkrachten.
Maar dit kan alleen worden afgebeeld met een droog monster (dwz nadat het grafeen op een glasplaatje is aangebracht).
“Hoewel er een sterke nadruk is gelegd op standaardisatierichtlijnen voor grafeenmaterialen, is er vrijwel geen manier om het fundamentele eenheidsproces van afschilfering te volgen, de productkwaliteit varieert van laboratorium tot laboratorium en van de ene fabrikant tot de andere”, zei Dr. Shaibani.
“Dientengevolge worden er vaak discrepanties waargenomen in de gerapporteerde eigenschap-prestatiekenmerken, ook al wordt beweerd dat het materiaal grafeen is.
“Ons werk kan van belang zijn voor industrieën die geïnteresseerd zijn in het leveren van hoogwaardige grafeen aan hun klanten met betrouwbare functionaliteit en eigenschappen. Er zijn een aantal ASX-beursgenoteerde bedrijven die proberen deze miljardenmarkt te betreden, en deze technologie zou deze interesse kunnen versnellen. . “
Onderzoekers pasten het algoritme toe op een assortiment van 18 grafeenmonsters, waarvan er acht werden verkregen uit commerciële bronnen en de rest geproduceerd in een laboratorium onder gecontroleerde verwerkingsomstandigheden.
Met behulp van een kwantitatieve gepolariseerde optische microscoop identificeerden onderzoekers een techniek voor het detecteren, classificeren en kwantificeren van geëxfolieerd grafeen in zijn natuurlijke vorm van een dispersie.
Om de informatie die op een snelle en efficiënte manier uit honderden afbeeldingen en grote aantallen monsters wordt gegenereerd, te maximaliseren, hebben onderzoekers een algoritme voor machine learning zonder toezicht ontwikkeld om dataclusters van vergelijkbare aard te identificeren en vervolgens beeldanalyse te gebruiken om de verhoudingen van elk cluster te kwantificeren.
De heer Abedin zei dat deze methode het potentieel heeft om te worden gebruikt voor de classificatie en kwantificering van andere tweedimensionale materialen.
“ Het vermogen van onze benadering om stapelen op subnanometer- tot micrometerschaal te classificeren en de grootte, dikte en concentratie van afschilfering te meten in generieke dispersies van grafeen / grafeenoxide is opwindend en houdt een uitzonderlijke belofte in voor de ontwikkeling van energie- en thermisch geavanceerde producten. ‘, Zei meneer Abedin.
Professor Dusan Losic, directeur van de hub van de Australian Research Council on Graphene Enabled Industry Transformation, zei: “ Deze uitstekende resultaten van onze ARC Research Hub zullen een aanzienlijke impact hebben op de opkomende grafeenindustrie van miljoenen dollars, waardoor grafeenfabrikanten en eindgebruikers een eenvoudige kwaliteitscontrole krijgen. tool om de kwaliteit van hun geproduceerde grafeenmaterialen te definiëren die momenteel ontbreken. ”
Md.Joynul Abedin et al, Een hoge doorvoer en onbevooroordeelde machine learning-benadering voor classificatie van grafeendispersies, Geavanceerde wetenschap (2020). DOI: 10.1002 / advs.202001600
Geleverd door Monash University