Автор AZoNano 27 августа 2020 г.

Ученые из Университета Монаша в Австралии разработали первую в мире технологию, которая может позволить промышленности обнаруживать и экспортировать высококачественный графен быстрее, дешевле и точнее, чем сейчас. дневная техника.

Используя набор данных оптического микроскопа, инженеры успешно создали алгоритм машинного обучения, который может определять качество и свойства графена без каких-либо предубеждений всего за 14 минут. Исследование было недавно опубликовано в Advanced Science – международном журнале

.

Новая технология может изменить правила игры для множества производителей графена или оксида графена во всем мире. Это позволит этим производителям повысить надежность и качество своей цепочки поставок графена в относительно более короткие сроки.

В настоящее время производители могут определять свойства и качество графена, нанесенного на продукт, только после того, как он был произведен.

Благодаря новому алгоритму машинного обучения, который может быть запущен во всем мире при коммерческой поддержке, производители графена могут быть уверены в качестве продукции и предотвратить дорогостоящую и трудоемкую процедуру ряда используемых методов характеризации для определения свойств графена, таких как размер и толщина атомных слоев.

Прорывное исследование возглавил профессор Майнак Маджумдер с факультета механической и аэрокосмической инженерии Университета Монаша и Центр Австралийского исследовательского совета по трансформации промышленности с использованием графена.

Соавторами исследования являются доктор Джойнул Абедин и доктор Махдохт Шайбани с факультета механической и аэрокосмической инженерии Университета Монаша, а также Титон Баруа из Vimmaniac Ltd, Бангладеш.

Графен обладает необычайной способностью к электрической и теплопроводности. Он широко используется в производстве мембран для очистки воды, накопления энергии и в умных технологиях, таких как датчики нагрузки на транспортных мостах .

Майнак Маджумдер, профессор кафедры механической и аэрокосмической техники, Университет Монаша

Профессор Маджумдер продолжил: « В то же время графен довольно дорог, когда дело доходит до использования в больших количествах. Один грамм высококачественного графена может стоить до 1000 австралийских долларов (720 долларов США), большая часть из которых связана с дорогостоящим процессом контроля качества »

« Следовательно, производители должны быть уверены, что они закупают на рынке графен высочайшего качества. Наша технология может определять свойства графена менее чем за 14 минут для одного набора данных с разрешением 1936 x 1216 пикселей. Это сэкономит производителям жизненно необходимое время и деньги и создаст конкурентное преимущество на растущем рынке », – добавил далее профессор Маджумдер.

Графен был открыт в 2004 году, и с тех пор он рекламировался как чудесный материал за его исключительную тонкость, легкость и сверхгибкость. Этот материал создается путем расслоения графита – кристаллической формы углерода с атомами, организованными гексагонально; графит содержит несколько слоев графена.

Но преобразование этого потенциала в полезные и реальные продукты идет довольно медленно. Одной из причин такого медленного преобразования является недостаток согласованности и надежности того, что обычно коммерчески доступно как графен.

Жидкофазное расслоение (LPE) – это метод, который широко используется для производства графена, а также листов оксида графена. Этот процесс включает в себя снятие однослойных листов с их трехмерного (3D) аналога, такого как пленка оксида графита, графит или расширенный графит, за счет сил сдвига. Однако это можно зафиксировать только с помощью сухого образца (то есть сразу после нанесения графена на предметное стекло)

Несмотря на то, что был сделан сильный акцент на руководящих принципах стандартизации графеновых материалов, практически нет возможности контролировать фундаментальный единичный процесс расслоения, качество продукции варьируется от лаборатории к лаборатории и от одного производителя к другому.

Д-р Махдохт Шайбани, факультет механической и аэрокосмической техники, Университет Монаша

Доктор Шайбани продолжил: « В результате часто наблюдаются расхождения в заявленных характеристиках-характеристиках, даже если материал заявлен как графен ».

« Наша работа может иметь значение для отраслей, которые заинтересованы в поставке высококачественного графена своим клиентам с надежной функциональностью и характеристиками. Есть ряд компаний, котирующихся на бирже ASX, которые пытаются выйти на этот рынок стоимостью в миллиард долларов, и эта технология может повысить этот интерес », – добавил д-р Шайбани.

Команда применила алгоритм машинного обучения в общей сложности к 18 образцам графена, восемь из которых были получены из коммерческих источников, а остальные были изготовлены в лабораторных условиях с недостаточно регулируемыми условиями обработки.

Исследователи использовали количественный поляризованный оптический микроскоп и в конечном итоге разработали метод идентификации, классификации и измерения расслоенного графена в его естественной дисперсной форме.

Чтобы быстро и эффективно увеличить объем данных, полученных из огромного количества образцов и неограниченного количества изображений, команда создала новый неконтролируемый алгоритм машинного обучения для выявления кластеров данных аналогичной природы и последующего применения анализа изображений. для измерения объемов каждого кластера данных.

По словам г-на Абедина, этот метод можно использовать для классификации и измерения других 2D-материалов.

Способность нашего подхода классифицировать укладку в масштабе от субнанометров до микрометров и измерять размер, толщину и концентрацию расслоения в типичных дисперсиях графена / оксида графена является захватывающим и имеет исключительные перспективы для развития продукты для получения энергии и термической обработки .

Md Joynul Abedin, соавтор исследования, Департамент машиностроения и аэрокосмической техники, Университет Монаша

Профессор Душан Лошич, директор Центра Австралийского исследовательского совета по трансформации индустрии с помощью графена, заявил: « Эти выдающиеся результаты нашего исследовательского центра ARC окажут значительное влияние на зарождающуюся многомиллиардную промышленность графена, давая производителям графена и конец. пользователи создали простой инструмент контроля качества для определения качества производимых ими графеновых материалов, который в настоящее время отсутствует ».

Ссылка на журнал:

Абедин, М., Дж., и др. . (2020) Высокопроизводительный и непредвзятый подход машинного обучения для классификации дисперсий графена. Продвинутая наука . doi.org/10.1002/advs.202001600.

Источник: https://www.monash.edu/[19459008visible