I 1812 vandrede Napoleons hær over den russiske grænse i forsøget på at udvide det franske europaherredømme. Det gik imidlertid ikke som håbet, og Napoleons hær led et stort tab på over 500.000 soldater på bare 6 måneder. De mange soldater, der omkom, blev ofre for blandt andet den barske russiske natur og døde af sult, sygdom og kulde. Men hvad har det med materialer og kemi at gøre?

Spørgsmålet er, om Napoleons manglende viden om materialekemi var medvirkende til de fatale følger for hans mange soldater? Den franske hærs uniform var holdt sammen af tinknapper. Ved stuetemperatur er tin et blødt metal med en sølvlys farve, ligesom vi kender fra loddetin. Ved temperaturer under 10 – 15 °C ændrer tin dog form, og atomerne flytter sig rundt inde i materialet. Det betyder, at tin bliver mere grålig og udvider sig markant, og dermed får materialet helt andre egenskaber.

For Napoleons hær betød det, at tinknapperne ikke længere var i stand til at holde soldaternes uniformer på plads, da de mødte den russiske kulde. Det kan have givet yderligere problemer for den i forvejen hårdt plagede hær, om end det i sig selv næppe har været udslagsgivende for hærens nederlag. Historien viser ikke desto mindre, at for at udnytte et materiale, behøver vi viden om sammenhængen mellem dets atomare struktur og dets egenskaber.

Materialer i fremtidens grønne løsninger

Materialevidenskab er helt afgørende for udviklingen af vores samfund. Når vi ser os omkring, er vi omgivet af teknologi baseret på funktionelle materialer; tænk bare på din mobiltelefon, der er proppet med avancerede materialer til for eksempel batteriet, touch-skærmen og hukommelsen. Alle disse teknologier er udviklet ud fra viden om sammenhængen mellem atomar struktur og materialeegenskaber.

I dag arbejder forskere over hele verden på at udvikle nye energimaterialer, der kan skabe grønne og bæredygtige løsninger, der skal adressere de klimaudfordringer, som hele verden står overfor. Det er forskning i materialer til blandt andet nye batteriteknologier, solceller og katalysatorer. Udvikling af nye katalysatorer er altafgørende for eksempelvis “Power-to-X”, som er et fokusområde for den grønne omstilling i Danmark. Konceptet i Power-to-X er at bruge elektricitet fra grøn energi, for eksempel vind- møller, solceller, eller andre ved- varende kilder, til at fremstille de kemikalier og produkter, vi er helt afhængige af i moderne teknologi, såsom brint, ammoniak, eller flybrændstoffer. Disse processer kræver udvikling af helt nye katalytiske materialer. Egenskaberne af en katalysator er direkte bestemt af dens atomare struktur, særligt på overfladen, da det er her, de katalytiske reaktioner finder sted. Derfor er det helt essentielt, at vi som kemikere kan fremstille materialer, der er skræddersyede til at katalysere bestemte reaktioner.

Indenfor katalyseforskning har nanomaterialer fået meget opmærksomhed gennem de seneste årtier: Ved at udnytte nanomaterialer som katalysatorer, øges overfladearealet gevaldigt, og det er en fordel, hvis man ønsker at lave en effektiv katalysator. Samtidig har det vist sig, at andre atomare strukturer kan stabiliseres, når materialer fremstilles som nanomaterialer, og det kan give nye muligheder for katalysatorudvikling.

Nanomaterialer udnyttes også i andre energiteknologier. For eksempel indenfor batteriforskning, hvor der udvikles nye materialer, som kan lede og opbevare ioner som Li⁺ og Na⁺. Også her er den atomare struktur af materialerne altafgørende: Det er den måde, hvorpå materialerne er bygget op, der afgør, hvordan ioner kan ledes gennem batteriet, og dermed hvor længe din næste smartphone holder strøm, og hvor lang tid det tager, at lade den op. Ved hjælp af nanostrukturering kan vi gøre det nemmere for ioner at bevæge sig gennem de materialer, der bruges i batteriet.

Røntgenstråler afslører atomar struktur

Det er altså helt afgørende, at vi som forskere kan karakterisere den atomare struktur af nanomaterialer, så vi kan undersøge den essentielle sammenhæng mellem struktur og egenskaber. I materialekemi benytter vi normalt teknikkerne krystallografi og røntgendiffraktion til analyse af atomar struktur. Røntgendiffraktion er en helt uundværlig teknik, som kan bruges til at “se” atomer, og hvordan de sidder sammen i krystallinske materialer; altså i materialer, hvor atomer sidder i et ordnet 3D-gitter.

Når et materiale bestråles med røntgenstråler, vekselvirker strålerne med hver enkelt elektron, der findes i atomerne i prøven. Røntgenstrålen spredes fra elektronerne, og der opstår interferenseffekter mellem strålerne. For krystallinske materialer, hvor atomerne sidder ordnet i et 3D-gitter, resulterer interferenseffekterne i skarpe røntgendiffraktionsstoppe, også kaldet Bragg-toppe. Ved at analysere disse Bragg-toppe kan vi bestemme materialestrukturer. Røntgendiffraktion har været benyttet i over 100 år, og det er på den måde, at vi har opnået atomar indsigt i alle de avancerede materialer, vi nu omgiver os med.

Nanopartikler af niobiumoxid kan fremstilles ved at opløse et niobiumklorid, NbCl₅, i et opløsningsmiddel og opvarme det, indtil atomerne i blandingen samler sig til nanopartikler. Ved at måle data til parfordelings-analyse under hele eksperimentet kan vi følge reaktionen med atomar præcision og forstå, hvordan en bestemt atomar stuktur dannes. Det har for eksempel gjort det muligt for os at observere, hvordan kemiske bindinger mellem niobium og klorid forsvinder, mens bindinger mellem niobium og oxygen skabes.

Parfordelings-analysen kan også fortælle os, hvordan nanopartikler vokser, og hvordan niobium-atomerne sætter sig sammen. En sådan indsigt i materialedannelse er vigtig for, at vi kan blive i stand til at fremstille et nanostruktureret materiale med netop den struktur, som vi ønsker.

Nye muligheder med kunstig intelligens

I studier af kemiske processer på en synkrotron genererer vi tusindvis af filer og mange terabytes af data, og der er en lang proces fra dataopsamling til de endelige konklusioner kan drages. Processen indebærer blandt andet at læse forskningslitteratur, søge i databaser og modellere strukturer og data, og det kan typisk tage måneder at analysere data fra få dages eksperimenter. Derfor er vi i vores forskningsgruppe i gang med at udvikle nye metoder til analyse af røntgenspredningsdata, som gør brug af kunstig intelligens.

Her udnytter vi, at forskere fra hele verden siden de første røntgenspredningseksperimenter i starten af 1900-tallet har genereret så mange modeller af forskellige materialers atomare struktur, at vi har millioner af datasæt, der forbinder spredningsdata til struktur. Ved at give disse datasæt til en computer, kan vi “lære” den at genkende spor af en bestemt atomar struktur i spredningsdata. Det kan for eksempel gøres ved at træne en maskine til at huske kendetegnene ved alle strukturer i en database. Derved kan den gætte, hvilken struktur et givet datasæt kommer fra, og dette kan forkorte tiden, vi bruger på at analysere data fra måneder til timer. Ultimativt vil det både hjælpe os med at indsnævre den litteratur, som er vigtig at læse; det vil spare os al den tid, som bliver brugt til at søge databaser igennem, og det vil være lettere for os endeligt at bestemme den atomare struktur af nye nanomaterialer. Indtil videre kan den kunstige intelligens dog ikke give os den korrekte struktur hver gang, men i mange tilfælde kan den give os hints, der hjælper os som kemikere til at komme videre i vores arbejde. Men hvem ved, måske kan kunstig intelligens en dag slå kemikeren.

En ting er i hvert fald sikkert: Mere data, bedre computere og udvikling indenfor kunstig intelligens gør, at vi kommer tættere og tættere på at automatisere modellering af røntgenspredningsdata. Det kan gøre udviklingen af nye materialer hurtigere og mere effektiv. ♦