海归学者发起的公益学术平台
分享信息，整合资源
交流学术，偶尔风月
新型（多元）材料的发现及其快速优化，对可持续能源技术和节能工艺等领域的未来技术需求来说非常必要：如光吸收、催化和稳定光电极（用于太阳能水分解）材料、轻质储氢材料或燃料电池非贵金属催化剂等多领域的进步离不开新材料的发现和方法的革新。一般来说，新材料发现的潜力很大，因为在多元材料体系中，元素周期表提供了许多可以组合的元素，同时组分的变化也为新材料提供了几乎无限、但大多数尚未开发的搜索空间。这同样是一个希望和挑战，因为即使采用最有效的高通量技术，也不可能探索到所有可能的材料。因此，需要仔细选择用于实验研究的材料系统。
德国波鸿鲁尔大学机械工程学院材料研究所材料发现与界面研究首席Alfred Ludwig，提出使用薄膜材料库的组合合成和高通量表征，结合计算方法来发现新材料。此外，他认为薄膜材料数据库不仅需要对一种属性进行表征，还应针对尽可能多的功能属性进行全面的描述和开发。建立MLs是非常必要且实用的，如具有良好表征的材料数据库可用于外部研究小组的个性化研究，并进一步作（高通量）测定和分析。研究数据管理的实施对于实验组和计算组之间的合作至关重要。该文近期发表于npj Computational Materials 5: 70 (2019)，英文标题与摘要如下，点击左下角“阅读原文”可以自由获取论文PDF。
Discovery of new materials using combinatorial synthesis and high-throughput characterization of thin-film materials libraries combined with computational methods
Alfred Ludwig
This perspective provides an experimentalist’s view on materials discovery in multinary materials systems—from nanoparticles over thin films to bulk—based on combinatorial thin-film synthesis and high-throughput characterization in connection with high-throughput calculations and materials informatics. Complete multinary materials systems as well as composition gradients which cover all materials compositions necessary for verification/ falsification of hypotheses and predictions are efficiently fabricated by combinatorial synthesis of thin-film materials libraries. Automated high-quality high-throughput characterization methods enable comprehensive determination of compositional, structural and (multi)functional properties of the materials contained in the libraries. The created multidimensional datasets enable data-driven materials discoveries and support efficient optimization of newly identified materials, using combinatorial processing. Furthermore, these datasets are the basis for multifunctional existence diagrams, comprising correlations between composition, processing, structure and properties, which can be used for the design of future materials.
本文系网易新闻·网易号“各有态度”特色内容
媒体转载联系授权请看下方