با تلاش محققان؛
به گزارش گروه دانشگاه خبرگزاری دانشجو ، یکی از شاخه‌های پرطرفدار حوزه‌ی فناوری نانو، تولید نانومواد جدید است. برای این کار معمولاً از دو راهبرد پایین به بالا و بالا به پایین استفاده می‌شود. در راهبرد بالا به پایین، یک ماده‌ی توده‌ای شکسته شده تا به سطح اتمی برسد، اما در راهبرد پایین به بالا از چیدمان واحد‌های اولیه کنار هم برای تولید ماده‌ای جدید استفاده می‌شود.
سنتز نانوذرات با استفاده از راهبرد پایین به بالا از مزیت‌های زیادی برخوردار است؛ چرا که به دانشمندان امکان می‌دهد تا شکل و ابعاد ذرات نهایی را کنترل کنند. با این حال راهبرد پایین به بالا نیز از چالش‌هایی برخوردار است. برای مثال، نمی‌توان مطمئن شد که مولکول‌ها چگونه با هم برهمکنش داشته و به ماده‌ای با چه خواصی منجر خواهند شد.
یک گروه تحقیقاتی از ژاپن روش جدیدی ارائه کردند که در آن می‌توان کنترل بیشتری روی فرآیند پایین به بالا داشت. برای این کار روشی مبتنی بر یادگیری ماشینی توسط دانیل پکوود از دانشگاه کیوتو و تارو هیتوسوجی از مؤسسه‌ی فناوری توکیو ارائه شده‌است که با کمک آن می‌توان خواص شیمیایی پیش‌ماده‌ها و برهمکنش آن‌ها را مورد نظر قرار داد تا در نهایت مشخص شود که نانوساختار نهایی چگونه خواهد بود.
با دسته‌بندی مولکول‌های مختلف می‌توان ساختار نهایی را پیش‌بینی کرد. این مدل‌ها به دانشمندان کمک خواهد کرد تا بفهمند که مولکول‌ها چگونه آرایش پیدا کرده و به نانوماده نهایی تبدیل می‌شوند. این کار قبل از انجام سنتز آزمایشگاهی و از روی مدل‌های کامپیوتر انجام می‌شود.
این گروه تحقیقاتی معتقداند که روش آن‌ها می‌تواند جدول تناوبی نانومواد باشد تا مولکول‌ها را براساس چگونگی خودآرایی و تبدیل شدن به نانوساختار‌های هدف، دسته‌بندی کرد. البته هر چند این گروه در مسیر صحیحی قرار گرفته و نتایج جالب توجهی به‌دست آورده‌اند، اما هنوز نیاز به تحقیقات بیشتری است.
سنتز نانوذرات با استفاده از راهبرد پایین به بالا از مزیت‌های زیادی برخوردار است؛ چرا که به دانشمندان امکان می‌دهد تا شکل و ابعاد ذرات نهایی را کنترل کنند. با این حال راهبرد پایین به بالا نیز از چالش‌هایی برخوردار است. برای مثال، نمی‌توان مطمئن شد که مولکول‌ها چگونه با هم برهمکنش داشته و به ماده‌ای با چه خواصی منجر خواهند شد.
یک گروه تحقیقاتی از ژاپن روش جدیدی ارائه کردند که در آن می‌توان کنترل بیشتری روی فرآیند پایین به بالا داشت. برای این کار روشی مبتنی بر یادگیری ماشینی توسط دانیل پکوود از دانشگاه کیوتو و تارو هیتوسوجی از مؤسسه‌ی فناوری توکیو ارائه شده‌است که با کمک آن می‌توان خواص شیمیایی پیش‌ماده‌ها و برهمکنش آن‌ها را مورد نظر قرار داد تا در نهایت مشخص شود که نانوساختار نهایی چگونه خواهد بود.
با دسته‌بندی مولکول‌های مختلف می‌توان ساختار نهایی را پیش‌بینی کرد. این مدل‌ها به دانشمندان کمک خواهد کرد تا بفهمند که مولکول‌ها چگونه آرایش پیدا کرده و به نانوماده نهایی تبدیل می‌شوند. این کار قبل از انجام سنتز آزمایشگاهی و از روی مدل‌های کامپیوتر انجام می‌شود.
این گروه تحقیقاتی معتقداند که روش آن‌ها می‌تواند جدول تناوبی نانومواد باشد تا مولکول‌ها را براساس چگونگی خودآرایی و تبدیل شدن به نانوساختار‌های هدف، دسته‌بندی کرد. البته هر چند این گروه در مسیر صحیحی قرار گرفته و نتایج جالب توجهی به‌دست آورده‌اند، اما هنوز نیاز به تحقیقات بیشتری است.
ارسال نظرات