Kansainvälisen tutkijaryhmän kehittämä uusi analyysimenetelmä antaa tarkkaa tietoa hiilen rakenteesta

Uuden menetelmän avulla hiilinäytteestä saatu kokeellinen spektri voidaan purkaa atomitason tiedoksi hiilen rakenteesta. Kuva: Anja Aarva / Aalto-yliopisto.

Kansainvälisen tutkijaryhmän kehittämä uusi analyysimenetelmä antaa tarkkaa tietoa hiilen rakenteesta

Tommi Kutilainen

Aalto-yliopiston, Cambridgen, Oxfordin ja Stanfordin tutkijat ovat ottaneet uuden edistysaskeleen hiilimateriaalien atomitason luonteen kuvaamisessa. Pitkä yhteistyö sai alkunsa Euroopan komission HPC-Europa3-tutkijavierailuohjelmasta.

Hiilimateriaalit ovat hyvin monikäyttöisiä, mutta niihin on lähes aina sitoutuneena muita alkuaineita, jotka muuttavat niiden ominaisuuksia. Siksi materiaalien räätälöiminen haluttuihin käyttötarkoituksiin vaatii atomitason tietoa hiilen pintarakenteista ja niiden kemiasta.

Hiilipinnoista voidaan saada tarkkaa tietoa röntgenspektroskopialla. Sen tuottamaa dataa, spektriä, on kuitenkin erittäin työlästä tulkita, sillä spektriin summautuu tietoa lukuisista pinnan paikallisista kemiallisista ympäristöistä. Tässä kohtaa laskennalliset menetelmät tarjoavat uuden selkeämmin tulkittavan vaihtoehdon.

Tutkijoiden kehittämä uusi analyysimenetelmä yhdistää koneoppimisen avulla laskennallisen mallin ja kokeelliset tulokset. Tämän menetelmän avulla röntgenspektroskopian tuottama kokeellinen spektri voidaan purkaa atomitason tiedoksi hiilen rakenteesta ja pintakemiasta.

– Tutkimuksen ensimmäisessä osassa määritimme minkälainen spektri vastaa kutakin yksittäistä kemiallista ympäristöä atomitasolla. Toisessa osassa pyrimme rakentamaan kokeellisesti mitatun spektrin laskennallisia spektrejä käyttäen. Laskennalliset spektrit on ryhmitelty tarkoitukseen sopivalla tavalla hyödyntäen koneoppimiseen perustuvaa jaoittelua. Toisella koneoppimiseen perustuvalla menetelmällä pystyimme valmistamaan riittävän määrän rakenteita, jotta pääsimme käsiksi amorfisen hiilen järjestäytymättömään luonteeseen, Aalto-yliopiston tohtoriopiskelija ja artikkelien ensimmäinen kirjoittaja Anja Aarva kertoo.

– 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, Anja Aarva jatkaa.

Tutkimuksessa laskennalliset spektrit luotiin CSC:n Taito-supertietokoneella ja tiheysfunktionaaliteoriaan perustuvalla GPAW-ohjelmistolla.

Tämä tutkimus on jatkoa aiemmalle yhteistyölle, joka sai alkunsa Oxfordin professori Volker Deringerin HPC-Europa3-tutkijavierailusta Aalto-yliopistossa tutkijatohtori Miguel Caron ja professori Tomi Laurilan isännöimänä vuonna 2017. Työssä on hyödynnetty Cambridgen professori Gabor Csányin ja Deringerin kehittämiä koneoppimiseen perustuvia menetelmiä. Kokeellisista mittauksista vastasi Stanfordissa työskentelevä tutkijatohtori Sami Sainio.

HPC-Europa3 on Euroopan komission nelivuotinen ohjelma, joka tarjoaa eurooppalaisille tutkijoille mahdollisuuden tutkimusvierailuihin ja suurteholaskennan infrastruktuurien hyödyntämiseen yhdeksässä Euroopan maassa. Suomessa HPC-E3-vierailuja koordinoi CSC.
 
Tutkimus on julkaistu kaksiosaisessa artikkelissa arvostetussa Chemistry of Materials -julkaisussa.

Understanding X-ray Spectroscopy of Carbonaceous Materials by Combining Experiments, Density Functional Theory, and Machine Learning. Part I: Fingerprint Spectra

Understanding X-ray Spectroscopy of Carbonaceous Materials by Combining Experiments, Density Functional Theory, and Machine Learning. Part II: Quantitative Fitting of Spectra

Lähteenä on käytetty Aalto-yliopiston tiedotetta Uusi analyysimenetelmä antaa ennätystarkkaa tietoa hiilen rakenteesta – auttaa kehittämään räätälöityjä hiilipintoja lääketieteeseen