דחיפה גלובלית לקיימות סביבתית הציבה דרישות חסרות תקדים על חומרים מדעיים לספק פתרונות חדשניים אשר להפחית את ההשפעה האקולוגית ללא היערכות של חומרים חישוביים. שיטות חישוביות הופיעו ככלי חיוני במסע זה, המאפשר לחוקרים לעצב, לנתח ולייעל חומרים עם קיימות מוגברת ומחזוריות בשבריר של העלות והזמן הנדרש על ידי ניסויים מסורתיים של ניסויים וטרור.

מבוא חומרים Computational Materials Science

חומרים Computational מדע הוא תחום רב תחומי המשלב עקרונות פיזיקה, כימיה והנדסה עם מחשוב מתקדם למודל וחיזוי התנהגות חומרית בקנה מידה שונים וקצבי זמן.מקורותיה מתוארכים למאה ה-20, אבל זה האץ באופן דרמטי בשני העשורים האחרונים בשל צמיחה אקספוננציאלית בכוח חישובי ופיתוח של אלגוריתמים חזקים.

גישה זו לא רק מאיצה את תהליך הגילוי, אלא גם מפחיתה את צריכת הפסולת והמשאבים הטבועים במחקר ניסיוני.עבור חומרים בר קיימא, שיטות חישוביות מאפשרות הערכה של גורמי השפעה סביבתיים בשלב העיצוב, כגון אנרגיה מגולמת, פוטנציאל מחזוריות, ו רעילות. על ידי שילוב מודלים של הערכה מחזור חיים עם סימולציות מולקולריות, מדענים יכולים לכמת את טביעת הרגל הסביבתית המלאה של חומר לפני שהוא מגיע אי פעם לשורה של מוצרים חיוניים עבור עמידה רגולטורית וסטנדרטי עבור איכות חיים.

השדה כולל ספקטרום של טכניקות, מ חישובים מכניים קוונטיים החושפים מבנה אלקטרוני למודלים סופיים ברמה גבוהה יותר, המנבאים כישלונות מאקרוסקופיים.כל שיטה יש את החוזקות והמגבלות שלה, ולעתים קרובות גישה רב-מידה מועסקת כדי ללכוד תופעות החל מחיבור אטומי לתגובה מכנית גדולה.

טכניקות מצוינות

כמה מתודולוגיות חישוביות יוצרות את עמוד השדרה של עיצוב חומרים מודרניים.כל טכניקה פועלת באורך מסוים וגודל זמן, ויחד הם מספקים הבנה מקיפה של תכונות חומריות.למטה, אנו מפרטים את שלוש הגישות הנפוצות ביותר בהקשר של קיימות.

תורת תפקוד הכחשה (DFT)

תורת תפקוד הכחשה היא שיטה קוונטית-מכנית אשר מחשבת את המבנה האלקטרוני של אטומים, מולקולות, ו מוצקים.זה הפך להיות עבודת מחקר של חומרים חישוביים מדע בשל האיזון החיובי שלה בין דיוק לבין עלות חישובית. במחקר חומרים בר-קיימא, DFT משמש לחיזוי תכונות מפתח כגון פער קבוצתי, היווצרות אנרגיה, ומודולולי מכני, אשר מודיע על יציבות של חומר ותגובה.

לדוגמה, DFT יכול למסך אלפי חומרים זרז פוטנציאליים להמיר ביומסה מתחדשת לכימיקלים יקרי ערך, זיהוי אלה עם פעילות אופטימלית וסלקטיביות.זה גם עוזר להעריך את יכולת הגמישות של תהליכי מחזור מחדש, כגון תגובות depolymerization כי לשבור את הפלסטיק לתוך מונוממות אורגניות.

קישור חיצוני:0 (ב) טבע: DFT יישומים בגילוי חומרים

Molecular Dynamics (MD)

סימולציות מולקולריות Dynamics עוקבות אחר מהפכת הזמן של מערכת של אטומים אינטראקציה או מולקולות על ידי שילוב חד-משמעי של משוואות של ניוטון של תנועה. MD הוא בעל ערך במיוחד עבור חקר תהליכים דינמיים כגון diffusion, מהירויות, ועיוות מכני בהתפתחות חומרים בר-קיימא, MD עוזר להבין כיצד רשתות פולימריות מתחדשות במהלך מחזור מחדש או איך תוספים משפיעים על שיעורי הפחתת הביו-ממדיום.

לדוגמה, MD קלאסי עם שדות כוח תגובתי (למשל, ReaxFF) יכול לדמות את ההשפלה התרמית של פלסטיק, חושף את הטמפרטורה ואת המוצרים של decomposition. מידע זה קריטי עבור עיצוב חומרים שניתן לעבד מחדש פעמים רבות ללא אובדן משמעותי של רכוש באופן דומה, MD יכול מודל התחבורה של מים או אנזימים באמצעות סרטים בריחת שתן, לחזות את השירות שלהם בתנאים סביבתיים שונים.

קישור חיצוני:0 (Chemical Reviews) Reactive MD for Polycyclingph:1

ניתוח יסודות Finite Element Analysis (FEA)

ניתוח יסודות Finite הוא טכניקה ברמה מתמשכת המחלקת חומר או מבנה לאלמנטים קטנים לפתרון משוואות שונות חלקית המתארות התנהגות מכנית, תרמית או נוזל. FEA משמש נרחב בהנדסה כדי לחזות התפלגות מתח, מצבי כשלון, ועייפות חיים. עבור חומרים בר קיימא, FEA עוזר לייעל את העיצוב של רכיבים קלים עבור כלי רכב וטורבינות רוח, שבו הפחתת חומרים ישירות מתרגמים חיסכון אנרגיה.

FEA יכול להעריך את השלמות המבנית של תרכובות ממוחזרות המכילות כמויות שונות של תוכן ממוחזר, להבטיח שהם עומדים בסטנדרטים בטיחותיים.זה גם עוזר בתכנון אריזות המשתמשות בחומר מינימלי תוך עמידה בעומסי תחבורה.כאשר בשילוב עם אלגוריתמים, FEA יכול למזער את נפח החומר הדרוש ליישום מסוים, ובכך להפחית את הפסולת הממוקדת של מערכות ההפעלה של מערכות ההפעלה הבין-טבעיות, עם זאת, FEA דורש מודלים מדויקים המתארים התנהגות חומרית תחת עומס סביבתית ולפתח מודלים סביבתיים שונים, במיוחד עבור מודלים כגון חומרים מיקרוסקופיים של חומרים מורכבים של חומרים מיקרוסקופיים של חומרים מורכבים של חומרים מיקרו-תחומיים של חומרים מורכבים של חומרים מיקרוסקופיים של חומרים מיקרו-תחומיים של חומרים ממעבדים של חומרים מורכבים או חומרים ממעבדים.

קישור חיצוני:0 (ב) חלק B - FEA עבור ביוקומביטים

פיתוח חומרים בר קיימא

חומרים בר קיימא הם אלה הממזערים את הנזק הסביבתי לאורך מחזור החיים שלהם - ממיצוי חומרי גלם באמצעות ייצור, שימוש, וסילוק או מחזור. שיטות פיצוי לשחק תפקיד מרכזי בזיהוי וקידוד חומרים אלה על פני מגזרים מרובים, כולל אריזה, בנייה, אלקטרוניקה, טקסטיל.

אחד התחומים הבולטים הוא פיתוח של פולימרים ביו-דידיים שמקורם במשאבים מתחדשים כמו עמילן תירס, צלולוז או אצות.שימוש ב- DFT וMD, החוקרים יכולים לחזות את שיעורי ה הידרוליטיזה של פולימרים אלה באדמה או סביבות ימיות, המאפשרים עיצוב חומרים שמטמים בתוך מסגרת זמן הרצויה.

דרך נוספת היא יצירת חומרים מורכבים המבוססים על ביולוגית אשר מחליפים פלסטיקים מייצור נפט ביישומים של רכב ואווירה.כאן, FEA משמשת כדי מודל ההתנהגות המכנית של תרכובות טבעיות של סיבים טבעיים (למשל, קנבוס או flax בשילוב עם biopolyester matrices) תחת השפעה או טעינה מחזורית.

יתר על כן, שיטות חישוביות מסייעות להעריך את ההשפעה הסביבתית של תהליכי ייצור.תהליך סימולציה כלים, לעתים קרובות משולבים עם תוכנת הערכה מחזור חיים מחזור חיים, יכול מודל צריכת האנרגיה והפליטות של נתיבי סינתזה שונים.לדוגמה, ייצור קצף פוליאורטן מפולימורלים המבוססים על מחזור חיים ניתן לדמות למזער את התרכובות האורגניות והשרירים של VOC) טכניקות אופטימיזציה רב-אובייקטיביות לאחר מכן לזהות מסחר בין תכונות חומרים מכניות חומרים ופתרונות סביבתיים, לכיוון חלופות עיצוב ירוקות.

עיצוב חומרים הניתנים למחזור

מחזוריות היא אבן הפינה של הכלכלה המעגלית, אך חומרים נוכחיים רבים מאבדים ביצועים לאחר מחזורי מחזור אחד או שניים. שיטות פיצוי הם חיוניים לתכנון חומרים ששומרים על תכונותיהם באמצעות אירועים רבים של עיבוד, כמו גם לפיתוח כימאים חדשים המאפשרים מחזור יעיל.

עיצוב ל-Devision

אסטרטגיה אחת היא לעצב פולימרים עם אג"ח מעבדה שניתן לפרק באופן סלקטיבי בתנאים קלים, מושג המכונה "עיצוב עבור בנייה" באמצעות DFT, החוקרים יכולים למסך אג"ח דינמיים שונים (למשל, disulfides, קישורי אסטר, Schiff בסיסים קבועים) כדי לזהות את אלה שיש להם את האנרגיה התפעולית האופטימלית עבור פולימריזציה חוזרת.

אופטימיזציה של תהליכי מחזור

מעבר לתכנון חומרי, מודלים חישוביים מסייעים לייעל תהליכים מחזוריים בעצמם.מודלים של חלקיקים ו extruders יכולים לחזות התפלגות גודל חלקיקים וצריכת אנרגיה במהלך מחזור מכני.עבור מחזור כימי (למשל, pyrolysis או solvolysis), מודלים קינטיים הנגזרים מסימולציות MDs יכולים להניב מוצרים שונים תחת טמפרטורות זרז ומאפשרים מהנדסים אלה כדי להתאים פרמטרים של התאוששות גבוהה.

מודלים של למידת מכונות מאומן על נתונים גדולים של פולימרים ותוצאות מחזור שלהם יכול להציע במהירות ניסוחים חדשים כי איזון כוח מכני בקלות של מחזור.למשל, מחקר שנעשה לאחרונה שימוש ברשתות עצביות גרפיות כדי לחזות את טמפרטורת המעבר הזכוכית ואת אינדקס זרימת ההיתוך של תערובת פוליקרבונט ממוחזר, עוזר לנוסחאות מורכבות עם איכות עקבית.

מחקרים ב-Comutational Materials Sustainability

פלסטיק מבוסס על Starch-based

Starch הוא ביופוימר בשפע, זול, אבל תכונות מכניות עניות שלה להגביל את היישום שלה.שימוש סימולציות MD, החוקרים חקרו את תוספת של הפלסטיקים כמו גליצרול ואת ההשפעה של לחות על חוזקה של Starch של ה-starch של סימולציה.על ידי הדמיה של רשת האג"ח מימן בתוך תערובת עמילן-פלסטיצר, הקומפוזיציה אופטימלית זוהו באופן דרמטי גמישות תוך שמירה על יכולת ניסויית ניסיונית.

אפשרויות ל- Carbon-Neutral Concrete Alternatives

תעשיית הבטון מהווה כמעט 8% מפליטת CO2 העולמית.מודלים של Computational כבר תפקיד בפיתוח חלופות קונקרטיות פחמן פחמן נמוך, כגון גיאוגרפיהפוחיות וחומרים מגובשים אלקלי.שימוש ב- DFT, מדענים חקרו את תגובתן של מספר רב של מטבעות אלומיניום (למשל, נוסחאות) ב- alkatra, חיזוי היווצרות של חומרים עמידים אלה על ידי פיתוח של מודלים עמידים לטווח ארוך של תאים כימיים.

פרספקטיבה עתידית

העתיד של פיתוח חומרי בר קיימא שוכן בהתכנסות של שיטות חישוביות עם בינה מלאכותית (AI), ניסויים עתירי ביצועים גבוהים ואוטומציה. Machine Learning אלגוריתמים, במיוחד למידה עמוקה ומודלים ניוניים, יכול לחקור חללים כימיים של פעמים גדול יותר מאשר אינטואיציה אנושית יכול לנהל. לדוגמה, נוגדנים אוטומטי וריאציות כבר בשימוש כדי ליצור מבנים פולימרים חדשים עם טמפרטורות מעבר זכוכית ממוקדות ושפל, אשר הם מאוחר יותר על ידי DFTin חומרים פרדיגמה כי הם חומרים ידידותיים של פרדיגמה "מחדשנית"מחדשנית.

יתר על כן, שילוב של כלים חישוביים בניהול מחזור החיים של המוצר יאפשר ניטור בזמן אמת אופטימיזציה של קיימות חומרית. תאומים דיגיטליים של תהליכי ייצור יכולים לדמות את ההשפעה של וריאציות מצרכי מזון ממוחזרים על איכות המוצר הסופית, המאפשרת התאמות דינמיות.זה הופך קריטי כמו מחזור זרמי מחזור הופכים מורכבים ומגוונים יותר.בנוסף, מסדי נתונים קוד פתוח כמו הפרויקט ו-Genomes לספק את הנתונים הדרושים כדי לפתח נתונים עבור מודלים של AI עבור קבוצות מחקר קטנות יותר.

למרות ההתקדמות, אתגרים נשארים. מודלים בקנה מידה רב כי מתחבר בצורה חלקה להתנהגות מאקרוסקופית הוא עדיין גבול מחקר פעיל.דיוק התחזיות תלוי באיכות של מודלים פיזיים בסיסיים ונתונים. עלויות Computational, בעוד ירידה, עדיין יכול להיות אסרטיבי עבור מערכות גדולות מאוד או טווחי זמן ארוכים.

לסיכום, היישום של שיטות חישוביות לפתח חומרים בר קיימא ומחזוריים מייצג את אחד הדרכים המבטיחות ביותר לטיפול באתגרים סביבתיים דחופים.מתיאוריה פונקציונלית צפיפות ללמידה מכונה, כלים אלה מעצימים את החוקרים ליצור חומרים שאינם רק פונקציונליים אלא גם שפירים לכוכב.כפי שהקהילה העולמית מגבירה את מאמציה להילחם בשינויי האקלים והטלמנטל, את התפקיד של חומרים חישוביים לא רק יהפכו להיות מרכזי יותר, המציעים נתונים רציונליים אמיתיים, באמת, לקראת גישה אמיתית, אל תוך זמן, אל עבר תהליך הגיוני.