de.wedoany.com-Bericht: Forscher des National Laboratory of the Rockies (NLR) in den USA erweitern die Anwendung der Kernspinresonanz (NMR) auf strategische Industriebereiche wie Batterien, Halbleiter, Biokunststoffe und Biokraftstoffe, um feine Defekte in Materialien auf atomarer Skala zu erkennen. Die über achtzig Jahre alte Technologie spielte bisher vor allem eine routinemäßige Rolle in der chemischen Analyse.
Bennett Addison, Leiter der NMR-Ausstattung des Labors, erklärte, dass viele Forscher, die Proben einsenden, nicht sicher seien, ob das hergestellte Produkt den Erwartungen entspreche. Auf atomarer Skala könnten winzige Verunreinigungen oder Strukturdefekte von konventionellen Methoden übersehen werden und dadurch die Leistung von Halbleitern, Polymeren oder synthetischen Fasern beeinträchtigen. Die NMR-Technologie kann ohne Zerstörung der Probe detaillierte Strukturinformationen von Feststoffen, Gelen, Polymeren, Biomaterialien und Batteriekomponenten liefern – eine Fähigkeit, die noch nicht breit genutzt wird.
Ein typisches Beispiel ist die Analyse von halidgemischten Halbleitern durch den Forscher Ross Kerner. Er verwendete eine empfindlichere NMR-Methode, um Dünnschichtproben von Industriezulieferern zu untersuchen, und fand in allen Proben zuvor nicht nachgewiesene Verunreinigungen. Diese Daten quantifizierten präzise Defekttypen und -gehalte, woraufhin mehrere Hersteller ihre Produktionsprozesse anpassten. Kerner sagte, dass bereits Experimente von nur zwei Tagen ausreichten, um verschiedenen Unternehmen eine Verbesserung der Materialqualität zu ermöglichen. Die Forschungsergebnisse wurden in Fachzeitschriften wie Nature, ACS Applied Energy Materials und InfoMat veröffentlicht.
Im Bereich der Bioökonomie hat das NLR-Team mithilfe der NMR das erste detaillierte Molekülmodell der sekundären Zellwand von Pappeln (Populus) erstellt. Pappeln sind wichtige Baumarten für die Produktion von Biokraftstoffen und Biomaterialien. Mithilfe von Festkörper-NMR und Kohlenstoff-13-Isotopenanreicherung erhielten die Forscher quantitative Informationen zur räumlichen Anordnung von Holzpolymeren. Dieses Modell kann Computersimulationen unterstützen, um Prozesse zur Umwandlung von Biomasse in Kraftstoffe, Düngemittel, Chemikalien und neue Materialien zu optimieren. Das Labor nutzt außerdem Hochdurchsatz-NMR, um kurzfristig Tausende von Pflanzenproben zu analysieren und Plantagen in große Datenbanken zu verwandeln, die zur Identifizierung von Unterschieden im Zucker- und Ligningehalt zwischen verschiedenen Baumarten dienen, um die genetische Selektion von Energiepflanzen zu unterstützen.
Bei der Entwicklung nachhaltiger Polymere setzt das NLR auf die NMR-Methode des „Magic Angle Spinning", bei der die Probe in einem Winkel von 54,7 Grad im Magnetfeld rotiert wird, um hochauflösende Informationen von halbfesten Materialien zu erhalten, ohne die Probe aufzulösen. Mit dieser Technologie charakterisierten die Forscher einen biologisch abbaubaren und recycelbaren Elastomer, der Anwendungspotenzial in den Bereichen Klebstoffe, Robotik und Elektronik besitzt. Darüber hinaus nutzt das Team Lithium-7-NMR, um die Ionenbewegung in festen Elektrolyten bei verschiedenen Temperaturen zu untersuchen und den Einfluss der Unordnung der Kristallstruktur auf die Ionendiffusion zu verstehen – ein Faktor, der direkt mit der Leitfähigkeit und Effizienz von Lithium-Batterien der nächsten Generation zusammenhängt.
Derzeit nutzen etwa 120 Forscher regelmäßig die NMR-Spektrometer des Labors, und Dutzende Unternehmen nutzen dessen Dienste zur Optimierung von Produkten und industriellen Prozessen. Addison und Kerner sind der Ansicht, dass die Haupthürde für die Verbreitung fortschrittlicher NMR-Methoden nicht auf technischer Ebene liegt, sondern in der Abhängigkeit der Forscher von bestehenden Analyseabläufen. Ein präzises Verständnis des Materialverhaltens auf atomarer Ebene könnte den Unterschied zwischen einem gewöhnlichen Produkt und einer technologischen Innovation ausmachen, die die Energie-, Hightech-Material- und Bioökonomiebranche beeinflussen kann.
