Lo que se conoce como el grafeno, es el más fuertes de todos los materiales. Además, es muy bueno como conductor de calor y electricidad, lo que lo vuelve en uno de los materiales únicos y más funcionales que se conocen. Es por todos estos factores que, el descubrimiento de este material en 2010 recibió el Premio Nobel de Física.
Más allá de eso, muchas propiedades de este material y sus aleaciones todavía son poco conocidos, por la simple razón por la cual los átomos que lo unen son muy complicados de ver. Un equipo de investigadores de la Universidad de Amsterdam y la Universidad de Nueva York ahora ha encontrado una oportunidad única para resolver este problema y tener la posibilidad de entender la complejidad de las variables del grafeno.
Los materiales de dos dimensiones que han sido formados por una sola capa de átomo hiperfina han llamado la atención en este último tiempo. Esta se debe principalmente a sus propiedades inusuales, que difieren enormemente de las de sus contrapartes de tres dimensiones «en relleno suelto».
El representante más destacable de los materiales de dos dimensiones junto con diferentes elementos de la misma clasificación está sujetos a una intensiva investigación de laboratorio. Para sorpresa de muchos, los defectos son de importancia crucial para las propiedades especiales de estos materiales, en las que la estructura cristalina no es perfecta. Allí, se cambia la disposición ordenada de la capa nuclear y la coordinación de los átomos cambia localmente.
Aunque se ha dejado en evidencia que los defectos son de importancia crucial para las propiedades de un material y que casi siempre están presentes o agregados, es incierta la información sobre cómo se desarrollan y cuál es su evolución con el tiempo. La razón es simple: los átomos son demasiado pequeños y se mueven muy rápido para seguirlos de forma directa.
En el intento por exponer los errores en materiales similares a los grafenos, el equipo de investigación del Instituto de Física de la Universidad de Virginia y la Universidad de Nueva York encontraron la oportunidad de construir modelos micrométricos de brechas nucleares. Para este propósito, utilizaron las «partículas paveladas» que se llaman así.
Estas partículas, lo bastante grandes para ser visibles al microscopio, pero lo bastante pequeñas para reproducir muchas de las propiedades de los átomos reales, conviven con la misma coordinación que los átomos del grafeno y forman la misma estructura. Los investigadores crearon un modelo que fue y es utilizado para comprender mejor los errores, su formación y su evolución. Sus resultados se publican en Nature Communications.
El grafeno se forma por átomos de carbono, cada uno tiene tres vecinos, que están dispuestos en la conocida estructura de «panales». Esta ofrece al grafeno propiedades mecánicas y electrónicas excelentes. Para lograr la misma estructura en su modelo, los investigadores usaron pequeñas partículas de poliestireno que fueron decoradas con tres puntos aún más pequeños de un material que se conoce como 3- (trimetoxisilil) propilo o TPM para la abreviatura. Configurar parches TPM imitó la coordinación de los átomos de carbono en la red gráfica. Ahora, los investigadores convirtieron a los parches atractivos, de modo que las partículas pudieron formar conexiones nuevamente, lo que a su vez se conecta a través de la analogía con los átomos de carbono del grafeno.
Después de unas pocas horas de descanso, las partículas de «carbono simulado» vistas en el microscopio formaron una red en forma de panal. Acto seguido, los investigadores evaluaron los defectos del modelo de red de grafeno con más detalle. Denotaron que el modelo funcionaba en este aspecto: había razones para defectos característicos que también se conocen a partir de grafenos atómicos. Contrario de los gráficos reales, la observación directa y el largo tiempo de educación del físico modelo les permitieron seguir estos defectos desde el comienzo de su educación hasta la integración en la red.
La nueva aparición sobre el crecimiento de materiales similares al grafeno rápidamente obtuvo un nuevo conocimiento de estas dos dimensiones. De forma inesperada, los investigadores han descubierto que cuando la red aún no se ha establecido, el tipo de defecto más común ya se ha formado en las primeras etapas de crecimiento. También observan el método de «reparar» lo siguiente en otro defecto, causando una configuración defectuosa estable y repararlo muy lentamente hasta llegar a una red completa.
Por lo tanto, el sistema modelo permite no solo reconstruir la red de grafeno de todo tipo de aplicaciones a gran escala, sino también comprender la mecánica nuclear de este tipo de material al observar de una manera más directa. Dado que los defectos son la base de las características de todo el material atómico, estas observaciones directas en el sistema modelo continúan diseñando los átomos, como materiales ultra luz, dispositivos ópticos y electrónicos, aplicaciones. Es útil.
Cookie | Duración | Descripción |
---|---|---|
cookielawinfo-checkbox-analytics | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Analytics". |
cookielawinfo-checkbox-functional | 11 months | The cookie is set by GDPR cookie consent to record the user consent for the cookies in the category "Functional". |
cookielawinfo-checkbox-necessary | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookies is used to store the user consent for the cookies in the category "Necessary". |
cookielawinfo-checkbox-others | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Other. |
cookielawinfo-checkbox-performance | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Performance". |
viewed_cookie_policy | 11 months | The cookie is set by the GDPR Cookie Consent plugin and is used to store whether or not user has consented to the use of cookies. It does not store any personal data. |