您的位置: 首页 >产经 >

量身定制的碳可以帮助科学家发现遗传性疾病和正确剂量的药物

2019-11-15 16:13:10 编辑: 来源:
导读 用碳基材料制造的传感器可以提供有关遗传性疾病或体内药物浓度的独特准确且实时的信息。除药物外,碳质材料还用于电池,太阳能电池和水净化

用碳基材料制造的传感器可以提供有关遗传性疾病或体内药物浓度的独特准确且实时的信息。除药物外,碳质材料还用于电池,太阳能电池和水净化。

碳基材料中几乎总是存在其他元素,例如氢和氧,这会改变材料的性能。因此,为了满足期望的用途而对材料进行改性需要碳级表面结构及其化学方面的原子级知识。阿尔托大学,剑桥大学,牛津大学和斯坦福大学的研究人员现在在描述碳质材料的原子性质方面迈出了重要的新一步。

可以通过X射线光谱学获得有关碳表面的详细信息,但是它产生的光谱难以解释,因为它汇总了来自表面几种局部化学环境的信息。研究人员开发了一种新的系统分析方法,该方法使用机器学习将计算模型(密度泛函理论)与碳样品的实验结果相集成。新方法可以将X射线光谱法产生的实验光谱分离为原子级数据。

“过去,根据不同的文献参考,对实验结果的解释有所不同,但是现在我们只能使用计算参考来分析结果。新方法使我们对碳表面化学有了更好的了解,而没有人为的偏见”,阿尔托大学的博士生Anja Aarva说。

新方法扩展了碳基材料的知识

在一个分为两部分的研究中,研究人员最初研究了不同结合的碳如何定性地影响实验光谱的形成。然后,研究人员试图将测量光谱与计算光谱参考数据进行汇总,以获得对实验光谱组成的定量估计。这是为了帮助他们确定原子级碳样品的性质。这种新方法适合分析各种形式的碳,例如石墨烯,金刚石和无定形碳的表面化学。

该研究是阿尔托大学博士后研究员Miguel Caro和牛津大学Volker Deringer教授的工作的延续,该研究广泛地绘制了无定形碳的结构和反应性。这项研究利用了剑桥大学Volker Deringer教授和GaborCsányi教授开发的机器学习方法。实验测量是由斯坦福大学的Aalto博士后研究员Sami Sainio进行的。

“接下来,我们打算使用我们开发的方法来预测,例如哪种碳表面最适合电化学鉴定某些神经递质,然后尝试产生所需的表面。这样,计算工作将为我们提供指导。实验工作,而不是过去的情况,反之亦然,”阿尔托大学教授Tomi Laurila说。


免责声明:本文由用户上传,如有侵权请联系删除!

2016-2022 All Rights Reserved.平安财经网.复制必究 联系QQ280 715 8082   备案号:闽ICP备19027007号-6

本站除标明“本站原创”外所有信息均转载自互联网 版权归原作者所有。