روش اشعه ایکس رفتار آنیون را پیشبینی میکند، مسیری را برای باتریهای بادوامتر و شیمی به کمک هوش مصنوعی باز میکند.
یک روش جدید برای اندازه گیری نحوه تعامل مواد در سطح اتمی می تواند به دانشمندان کمک کند تا باتری هایی با عملکرد بهتر و ماندگارتر تولید کنند.
ویرایش شده توسط Swati Mestri، بررسی توسط Robert Egan
این مقاله با توجه به روند و سیاستهای ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:
یک روش جدید برای اندازه گیری نحوه تعامل مواد در سطح اتمی می تواند به دانشمندان کمک کند تا باتری هایی با عملکرد بهتر و ماندگارتر تولید کنند.
محققان دانشگاه شرق لندن روشی را برای پیشبینی نحوه رفتار مواد شیمیایی مختلف ابداع کردهاند که به طور بالقوه به شناسایی موادی کمک میکند که به احتمال زیاد عملکرد را بهبود میبخشند، به عنوان مثال، هنگام استفاده در باتریها، بدون تکیه بر آزمایشهای پرهزینه و زمانبر.
این روش بر آنیونها متمرکز است - ذرات باردار منفی که نقش مهمی در باتریها و بسیاری از فرآیندهای شیمیایی دیگر بازی میکنند. آنیونهای مختلف به روشهای مختلف با مواد دیگر برهمکنش میکنند و اینکه چگونه الکترونهای خود را با اتمهای دیگر به اشتراک میگذارند، میتواند بر نحوه رفتار آنها در واکنشهای شیمیایی تأثیر بگذارد.
این مطالعه که در مجله انجمن شیمی آمریکا منتشر شده است، روشی را برای اندازه گیری نحوه تعامل مواد شیمیایی مختلف با مواد مورد استفاده در باتری ها معرفی می کند.
محققان با استفاده از طیفسنجی فوتوالکترون پرتو ایکس (XPS)، که با تابش پرتوهای ایکس به یک ماده برای شناسایی دقیق عناصر موجود و نحوه پیوند شیمیایی آنها کار میکند، اندازهگیری کردند که چگونه اتمهای خاص درون آنیونها به الکترونهای خود چسبیدهاند.
آنها سپس از مدلسازی رایانهای برای بازآفرینی این اندازهگیریها به صورت مجازی استفاده کردند و آنها را قادر ساخت تا رفتار امیدوارکنندهترین مواد باتری را بدون آزمایشهای آزمایشگاهی گسترده پیشبینی کنند.
کاربردهای بالقوه نیز می تواند فراتر از باتری ها باشد. محققان امیدوارند که یافتههای آنها در نهایت برای ساختن پایگاهدادهای از عناصر مختلف مورد استفاده قرار گیرد که میتواند به یادگیری ماشینی و هوش مصنوعی کمک کند و به دانشمندان در اکتشافات شیمیایی سریعتر کمک کند.
دکتر ریچارد متیوز، مدرس ارشد شیمی فیزیکی و محاسباتی در UEL و یکی از نویسندگان این مطالعه، گفت: "ما اکنون تصویر بسیار واضح تری از نحوه تعامل آنیون ها با مواد دیگر داریم، و این برخی از احتمالات هیجان انگیز را باز می کند. با توانایی پیش بینی این فعل و انفعالات، ما می توانیم تلاش خود را فراتر از موادی که بهتر نشان می دهند تمرکز کنیم."
لوئیس جی پارکر و همکاران، اعداد اهداکننده خاص عنصر برای آنیون ها، مجله انجمن شیمی آمریکا (2026). DOI: 10.1021/jacs.6c06567
اطلاعات مجله: مجله انجمن شیمی آمریکا
سواتی مستری دارای مدرک لیسانس در مهندسی الکترونیک است و از سال 2019 به عنوان ویرایشگر محتوا کار کرده است. او ویرایش اسناد تحقیقاتی در زمینه فناوری، مراقبت های بهداشتی و علم مواد را تجربه کرده است و علاقه خاصی به فناوری و فضا دارد. نمایه کامل →
لیسانس زیست شناسی ریاضی، کارشناسی ارشد در نوشتن خلاق. خوش سفر با دیدگاه های منحصر به فرد در علم و زبان. نمایه کامل →
متن اصلی (انگلیسی)
X-ray method predicts anion behavior, opening path to longer-lasting batteries and AI-assisted chemistry
A new way of measuring how materials interact at the atomic level could help scientists develop better-performing, longer-lasting batteries.