In een opwarmende wereld kan steenkool vaak de ‘slechterik’ lijken. Maar we kunnen andere dingen met steenkool doen dan het verbranden ervan. Een team van de Universiteit van Ohio gebruikte het Bridges-2-systeem van het Pittsburgh Supercomputing Center om een reeks simulaties uit te voeren die laten zien hoe steenkool uiteindelijk kan worden omgezet in waardevolle en koolstofneutrale materialen zoals grafiet en koolstofnanobuisjes.
Waarom het belangrijk is
Steenkool krijgt tegenwoordig een slechte pers. Klimaatwetenschappers voorspellen een stijging van de gemiddelde temperatuur op aarde met tussen de 2 en 10 graden Fahrenheit tegen het jaar 2100. De mogelijkheid van drastische veranderingen in weerpatronen, gewasgroei en zeespiegel zet vraagtekens bij ons zware gebruik van op koolstof gebaseerde brandstoffen zoals steenkool.
Maar zo hoeft het niet te zijn.
“De manier waarop dit [work] tot stand is gekomen, zijn er hier enkele ingenieurs … die geweldig werk doen [on carbon-neutral] dingen met steenkool,” zei David Drabold, hoogleraar natuurkunde aan de Universiteit van Ohio. “Je wilt het om voor de hand liggende redenen niet verbranden; maar kun je er bouwmaterialen van maken, hoogwaardige materialen van, zoals grafiet? [Graduate student] Nonso en ik zijn echt geïnteresseerd in de vraag: kunnen we grafiet uit het spul halen?”
Door onze voertuigen elektrisch aan te drijven, kunnen we de CO2-uitstoot direct verminderen. De verschuiving zou ons ook in staat kunnen stellen om ze op te laden met behulp van koolstofneutrale energiebronnen. De kicker is dat de lithium-ionbatterijen van elk Tesla-model S zo’n 100 pond grafiet nodig hebben. En wetenschappers weten al generaties lang dat je, althans in theorie, steenkool kunt omzetten in grafiet als je het onder voldoende druk en een voldoende hoge temperatuur zet.
Om te onderzoeken hoe steenkool kan worden omgezet in waardevolle materialen zoals grafiet, besloten David Drabold en zijn team aan de Universiteit van Ohio om de stoffen in computersoftware te simuleren. Om de chemische omzetting virtueel na te bootsen, wendden ze zich tot de Bridges-2 geavanceerde onderzoekscomputer bij PSC. Bridges-2 is de vlaggenschipsupercomputer van het Pittsburgh Supercomputing Center.
Hoe PSC heeft geholpen
Puur grafiet is een reeks platen die zijn opgebouwd uit ringen van zes koolstofatomen. Een speciaal type chemische binding, aromatische bindingen genaamd, houdt deze koolstofatomen bij elkaar.
In aromatische bindingen zweven pi-elektronen boven en onder de ringen. Deze “gladde” elektronenwolken zorgen ervoor dat de vellen gemakkelijk langs elkaar heen glijden. Potlood “lood” – een laagwaardige vorm van grafiet – laat een stempel achter op papier omdat de vellen van elkaar glijden en aan het papier blijven plakken.
Aromatische bindingen hebben nog een deugd, belangrijk in elektronische technologie. De pi-elektronen bewegen gemakkelijk van ring naar ring en blad naar blad. Hierdoor geleidt grafiet elektriciteit, ook al is het geen metaal. Het is het ideale materiaal voor een anode, de positieve pool van een batterij.
Steenkool daarentegen is chemisch rommelig. In tegenstelling tot de strikt tweedimensionale aard van een grafietplaat, heeft het verbindingen in drie dimensies. Het bevat ook waterstof, zuurstof, stikstof, zwavel en andere atomen die de vorming van grafiet kunnen verstoren.
Om hun studies te beginnen, creëerde het team van Drabold een vereenvoudigde “steenkool” die alleen uit koolstofatomen op willekeurige posities bestond. Door deze vereenvoudigde steenkool bloot te stellen aan druk en hoge temperaturen – ongeveer 3.000 Kelvin of bijna 5.000 Fahrenheit – konden ze een eerste stap zetten in het bestuderen van de omzetting ervan in grafiet.
“Om het amorf-grafietpapier naar buiten te duwen, moesten we veel serieuze analyses uitvoeren”, zegt Chinonso Ugwumadu, een doctoraatsstudent natuurkunde aan de Ohio University in de groep van Drabold. “Vergeleken met andere systemen die we hebben, is Bridges de snelste en meest nauwkeurige. Onze thuissystemen … doen er ongeveer twee weken over om 160 atomen te simuleren. Met Bridges kunnen we 400 atomen gedurende zes tot zeven dagen laten draaien met behulp van de dichtheidsfunctionaaltheorie.”
Aanvankelijk voerden de wetenschappers uit Ohio hun simulaties uit met behulp van fundamentele fysische en chemische principes via dichtheidsfunctionaaltheorie. Deze nauwkeurige maar rekenintensieve benadering vereiste veel parallelle berekeningen – een kracht van Bridges-2’s meer dan 30.000 rekenkernen. Later verplaatsten ze hun berekeningen naar een nieuwe softwaretool, GAP (Gaussian approximation potential), ontworpen door medewerkers van de Universiteit van Cambridge en de Universiteit van Oxford in Engeland. GAP gebruikt een vorm van kunstmatige intelligentie, machine learning genaamd, om in wezen dezelfde berekeningen veel sneller uit te voeren. Afgestudeerde studenten Rajendra Thapa en Ugwumadu ruilden elkaar in om het eerste rekenwerk te leiden.
Hun resultaten waren ingewikkelder en eenvoudiger dan het team had verwacht. De lakens vormden zich. Maar de koolstofatomen ontwikkelden niet volledig eenvoudige ringen met zes koolstofatomen. Een fractie van de ringen had vijf koolstofatomen; anderen hadden er zeven.
De ringen zonder zes koolstofatomen vormden een interessante rimpel, in meer dan één opzicht. Terwijl ringen met zes koolstofatomen plat zijn, plooien koolstofringen met vijf en zeven leden, maar in tegengestelde zin van ‘positieve en negatieve kromming’. De wetenschappers hadden misschien verwacht dat deze rimpels de vorming van de grafietplaten zouden ruïneren. Maar bladen vormden zich toch, mogelijk omdat vijfhoeken en zevenhoeken elkaar in evenwicht hielden in de simulaties. De platen waren technisch gezien amorf grafiet omdat ze niet puur zesringen waren. Maar nogmaals, ze vormden lagen.
In een andere reeks simulaties vervolgde Ugwumadu zijn werk met Thapa om moleculen te bestuderen in plaats van vaste stoffen. De omstandigheden in deze sims zorgden ervoor dat de vellen in zichzelf kromden. In plaats van vellen vormden ze geneste amorfe koolstofnanobuisjes (CNT’s) – een reeks buizen met één atomaire laag, de een in de ander. CNT’s zijn de laatste tijd hot in de materiaalwetenschap, omdat het in feite kleine draadjes zijn die kunnen worden gebruikt om elektriciteit te geleiden op ongelooflijk kleine schaal. Andere veelbelovende toepassingen van CNT’s zijn brandstofcelkatalyse, productie van supercondensatoren en lithium-ionbatterijen, afscherming van elektromagnetische interferentie, biomedische wetenschappen en nanoneurowetenschap.
Een belangrijk facet van het CNT-werk was dat Ugwumadu bestudeerde hoe amorfe rimpels in de buiswanden de beweging van elektriciteit door de structuur beïnvloeden. In de materiaalwetenschap is elke “bug” ook een “kenmerk” – ingenieurs kunnen dergelijke onregelmatigheden mogelijk gebruiken om het gedrag van een bepaalde CNT af te stemmen op de exacte vereisten die nodig zijn voor een nieuw elektronisch apparaat.
De wetenschappers publiceerden hun resultaten in twee artikelen, een over de vorming van de amorfe grafietvellen in het tijdschrift Fysieke beoordelingsbrieven in juni 2022, en een over de CNT’s in Fysica Status Solidi B in december 2022. Een andere, over hoe de vijf- en zevenledige ringen in de lakens passen, wordt gedrukt in de European Journal of Glass Wetenschap en Technologie.
Het Ohio-team blijft de omzetting van koolstofatomen in grafiet en aanverwante materialen bestuderen. Een ander lopend project is het simuleren van amorfe geneste fullerenen, voetbalvormige structuren die van wetenschappelijk belang zijn, vooral in de nanoneurowetenschappen. Ze publiceerden in november 2022 ook een paper over de fullerenen Koolstoftrends. Het team onderzoekt ook het gebruik van de krachtige grafische verwerkingseenheden van Bridges-2, die mogelijk hun ML-gebaseerde VAST-berekeningen zouden kunnen versnellen, om meer gecompliceerde materialen zoals echte steenkool toegankelijk te maken voor hun simulaties.
Meer informatie:
R. Thapa et al, Ab Initio-simulatie van amorf grafiet, Fysieke beoordelingsbrieven (2022). DOI: 10.1103/PhysRevLett.128.236402
Chinonso Ugwumadu et al, Vorming van meerwandige nanobuisjes van amorf koolstof uit willekeurige initiële configuraties, fysieke status solidi (b) (2022). DOI: 10.1002/pssb.202200527
C. Ugwumadu et al, Simulatie van multi-shell fullerenen met behulp van Machine-Learning Gaussian Approximation Potential, Koolstoftrends (2022). DOI: 10.1016/j.cartre.2022.100239
Tijdschrift informatie:
Fysieke beoordelingsbrieven
Geleverd door Pittsburgh Supercomputing Center