机器学习激发Carbyne在高灵敏度传感器中的潜力
来自 实验室仪器网
来自中国和其他国家的研究人员使用机器学习、先进的理论模型和拉曼光谱全面揭开了材料科学的一个长期之谜。
该研究发表在《自然通讯》上,该研究表明,卡宾(碳原子的一维链)表现出独特的振动状态,使其对外部影响高度敏感,这表明传感器具有广泛的应用潜力。
了解单个原子之间的量子力学相互作用对于设计下一代材料至关重要。多年来,科学家们一直对在碳链(卡宾)和碳纳米管之间观察到的不寻常的振动状态感到困惑——这些状态违背了现有的理论解释。
所有宏观材料属性(例如电导率、磁性、光学行为和弹性)都受量子级相互作用的控制。研究人员使用拉曼光谱(一种探测光与物质之间相互作用的方法)来识别材料中原子核的振动特征态。
九年前,维也纳大学研究小组取得了重大突破,首次成功地稳定了碳纳米管内的卡宾。卡宾仅存在于这些受限条件下,具有与半导体应用相关的可调电子特性,并且可能具有任何已知材料中最高的抗拉强度。
然而,实验揭示了一个意想不到的系统状态,它与现有的理论模型不一致,最初被误解了。
在这项新研究中,研究人员更详细地重新审视了这一异常情况。利用机器学习的最新进展,他们开发了一种新的理论框架,可以解释碳链和纳米管壁之间的反直觉相互作用。该模型揭示了以前未被解释的耦合效应,并为纳米级材料设计和传感器开发开辟了新的方向。
尽管链和纳米管是电子隔离的,因此不交换电子,但它们会受到两种纳米结构的振动之间出乎意料的强烈耦合的影响。
换句话说,卡宾和周围的纳米管可以电子相互作用,尽管在经典术语中看起来是电子隔离的。这种形式的量子力学振动耦合通常很弱,但在这种情况下,由于链独特的电子特性和固有的结构不稳定性,它异常强。
卡宾特别有趣的是它对外部影响非常敏感,这推动了与纳米管环境的强烈相互作用。该研究还揭示了这种相互作用是双向的:卡宾的存在不仅响应而且改变了纳米管的特性,尽管以某种方式挑战了早期的假设。
"机器学习激发Carbyne在高灵敏度传感器中的潜力"相关
采购、售后(仪器设备提交仪器设备信息