Räätälöity hiilipinta nopeuttaa perinnöllisten sairauksien puhkeamisriskien löytämistä – kehitystyö sai vauhtia koneoppimisesta
Eri sovelluskohteisiin räätälöidyistä hiilipinnoista saadaan nyt entistä parempia.
Uusi analyysimenetelmä antaa ennätystarkkaa tietoa hiilen rakenteesta – auttaa kehittämään räätälöityjä hiilipintoja lääketieteeseen
Yhdistämällä kokeellinen ja laskennallinen työ koneoppimisen avulla saadaan atomitason tietoa hiilen rakenteesta ja pintakemiasta.
Hiilimateriaaleista valmistetuilla antureilla voidaan saada ainutlaatuisen tarkkaa ja reaaliaikaista tietoa esimerkiksi perinnöllisistä sairauksista tai lääkkeiden vaikutuksesta kehossa. Lääketieteen lisäksi hiilimateriaaleja hyödynnetään muiden muassa akuissa, aurinkokennoissa ja vedenpuhdistuksessa.
Hiilimateriaaleihin on lähes aina sitoutuneena muita alkuaineita, jotka muuttavat niiden ominaisuuksia. Siksi materiaalien räätälöiminen haluttuihin käyttötarkoituksiin vaatii atomitason tietoa hiilen pintarakenteista ja niiden kemiasta. Nyt Aalto-yliopiston, Cambridgen, Oxfordin ja Stanfordin tutkijat ovat ottaneet uuden edistysaskeleen hiilimateriaalien atomitason luonteen kuvaamisessa.
Hiilipinnoista voidaan saada tarkkaa tietoa röntgenspektroskopialla. Sen tuottamaa dataa, spektriä, on kuitenkin erittäin työlästä tulkita, sillä spektriin summautuu tietoa lukuisista pinnan paikallisista kemiallisista ympäristöistä. Tutkijat kehittivät uuden systemaattisen analyysimenetelmän, joka yhdistää koneoppimisen avulla laskennallisen mallin (tiheysfunktionaaliteoria) ja hiilinäytteestä saadut tulokset.
Menetelmän avulla röntgenspektroskopian tuottama kokeellinen spektri voidaan purkaa atomitason tiedoksi.
”Aiemmin kokeellisia tuloksia on tulkittu eri tavoin tulkitsijasta riippuen, mutta nyt pystyimme analysoimaan tuloksia ainoastaan laskennallisia referenssejä hyödyntäen. Uuden menetelmän ansiosta ymmärrämme huomattavasti aiempaa paremmin hiilen pintakemiaa”, sanoo Aalto-yliopiston tohtoriopiskelija Anja Aarva.
Auttaa löytämään parhaan hiilipinnan eri käyttötarkoituksiin
Kaksiosaisessa tutkimuksessa tutkijat tarkastelivat aluksi, millä tavalla eri tavoin sitoutunut hiili vaikuttaa kokeellisen spektrin muodostumiseen. Tämän jälkeen mitattu spektri pyrittiin koostamaan laskennallisilla spektreillä ja saamaan määrällinen arvio siitä, mistä kokeellinen spektri koostuu. Näin voitiin määrittää, mistä hiilinäyte koostuu atomitasolla. Menetelmä soveltuu hiilen eri muotojen, kuten grafeenin, timantin ja amorfisen hiilen, pintakemian analysointiin.
Tutkimus on jatkoa Aalto-yliopiston tutkijatohtori Miguel Caron sekä Oxfordin professori Volker Deringerin kanssa yhteistyössä tehdylle työlle, jossa kartoitettiin laajasti amorfisen hiilen rakennetta ja reaktiivisuutta. Työssä on hyödynnetty Cambridgen professori Gabor Csányin ja professori Volker Deringerin kehittämiä koneoppimiseen perustuvia menetelmiä. Kokeellisista mittauksista vastasi Stanfordissa työskentelevä tutkijatohtori Sami Sainio.
”Seuraavaksi aiomme käyttää kehittämäämme menetelmää ennustamaan, millainen hiilipinta olisi paras esimerkiksi tiettyjen hermovälittäjäaineiden sähkökemialliseen tunnistamiseen ja pyrkiä sitten kokeellisesti valmistamaan halutun pinnan. Näin laskennallinen työ ohjaisi kokeellista työtä eikä päinvastoin, kuten on aiemmin tyypillisesti ollut”, sanoo Aalto-yliopiston professori Tomi Laurila.
Tutkimus on julkaistu kaksiosaisessa artikkelissa arvostetussa Chemistry of Materials -julkaisussa.
Linkit artikkeleihin:
https://pubs.acs.org/doi/abs/10.1021/acs.chemmater.9b02049
https://pubs.acs.org/doi/abs/10.1021/acs.chemmater.9b02050
Lisätietoja
Tohtoriopiskelija Anja Aarva
Aalto-yliopisto
anja.aarva@aalto.fi
p. +358 503740912
Professori Tomi Laurila
Aalto-yliopisto
tomi.laurila@aalto.fi
+358 503414375
Lue lisää aiheesta
Timantinkaltainen hiili syntyykin eri lailla kuin on uskottu – koneoppiminen mahdollisti uuden mallin kehittämisen
Räätälöityjä hiilipintoja voidaan hyödyntää muun muassa lääketieteessä ja vedenpuhdistuksessa.
Uusi mittausmenetelmä voi ehkäistä vahvojen kipulääkkeiden yliannostusta ja myrkytyskuolemia
Tramadolin vaikutukset ovat yksilöllisiä. Nyt niitä pystytään ennustamaan ja seuraamaan tarkemmin nopealla lääkepitoisuuden mittauksella.
Lue lisää uutisia
Kolmen tutkijan ideasta syntyi deep tech -yritys
Vahvaan tutkimusosaamiseen nojaava Sim Analytics Oy sai alkunsa, kun kolme LUT-yliopiston eri laboratorioissa työskennellyttä tutkijakollegaa alkoi miettiä, miten tarjota ja analysoida dataa teollisuusyritysten liiketoimintapäätösten tueksi.
Ensimmäinen suprajohtava kvanttilämpökone osoittaa, että lämpö voidaan valjastaa työksi myös kvanttimaailmassa
Suprajohtava kvanttilämpökone paitsi edistää termodynamiikan perustutkimusta, voi myös merkittävästi pienentää tulevaisuuden kvanttitietokoneiden hintalappua.
Tutkijoiden perustama Xiphera kasvaa vauhdikkaasti
Yhdeksänvuotisjuhliaan viettävä Xiphera Oy on kehittänyt tietoturvauhkien torjuntaan laitepohjaisia salausratkaisuja. Yritys on ns. deep tech eli syväteknologiayritys, jonka tuotteet nojaavat tutkimukseen ja tuottavat uusia teknologisia ratkaisuja.