| Аннотация |
Современные газовые сенсоры на основе оксидов металлов сталкиваются с фундаментальными ограничениями: высокая рабочая температура (200–600 °C) приводит к энергопотреблению до 1 Вт на датчик, что делает их непригодными для автономных устройств интернета вещей (IoT-устройств) в концепции умных городов. Альтернативой выступают наноуглеродные материалы, где графен, обладая рекордной удельной площадью поверхности (до 2600 м²/г) и высокой подвижностью носителей заряда, позволяет детектировать газы при комнатной температуре. Однако сложность масштабируемого синтеза графена остается ключевым барьером. В проекте предлагается использовать лазерно-индуцированный графен (ЛИГ) - пористый материал, получаемый локальным пиролизом полиимидной пленки с помощью CO₂-лазера (10.6 мкм). Этот метод был предложен в 2014 году и в настоящий момент набирает популярность благодаря хорошей пористости и гибкости материала, а также дешевому и легко-масштабируемому производству.
Ранее было показано, что параметры лазерного излучения и тип атмосферы, в которой происходит взаимодействие полиимида с излучением, могут существенно влиять на элементный состав ЛИГ и на его свойства, такие как, например, гидрофобность. Однако эти факторы на газоаналитические свойства синтезируемых материалов до сих пор не изучены системно. Под руководством автора заявки в 2024 году был проведен скрининг кислородных групп в графене на модельных системах в рамках теории функционала плотности (DFT), что позволило отранжировать их по их газочувствительным свойствам к широкому спектру газов [Mat. Chem. Phys. (2024), 322, 129488].
В настоящем проекте будет проведена экспериментальная проверка влияния кислородных групп на предсказанные в DFT характеристики: чувствительность, время восстановления, парная селективность для двух газов NH₃ и CO₂. Для этого будет отработан весь цикл экспериментальных работ от синтеза ЛИГ с помощью CO₂ лазера (10.6 мкм) и характеризации образов с помощью SEM, XPS, XRD, Рамановской спектроскопии и порометрии до испытаний в качестве газовых сенсоров на автоматизированном стенде. Будут варьироваться параметры лазера и атмосфера, в которой происходит синтез (воздух, водород, азот). Основной гипотезой является улучшение газочувствительных свойств при наличии гидроксильных и карбоксильных групп (по данным DFT) и гетероатомов азота (по литературным данным).
В то же время будет продолжена дальнейшая работа по DFT моделированию, будет сформирован теоретический задел по исследованию влияния азотных групп в графене (графитовые, пиридиновые, пиррольные) для более широкого спектра газов (NO₂, NH₃, SO₂, CO₂, CO, H₂S), а также исследованы гетероструктуры графена с металлами и оксидами металлов. Уже апробированный подход в рамках DFT будет дополнен непосредственным расчетом сопротивления с помощью неравновесных функций Грина (NEGF). Сравнение результатов расчетов с помощью методов DFT и NEGF позволит сделать выводы о вкладе квантовых эффектов в изменение электропроводности.
Новизна проекта заключается в создании теоретико-экспериментальной платформы для поиска новых материалов для газовой сенсорики, объединяющей DFT моделирование, метод NEGF и экспериментальную валидацию сразу на гибком и легко масштабируемом классе материалов на основе ЛИГ. Глубокое фундаментальное понимание факторов и механизмов хеморезистивного отклика наноуглеродных материалов, а также отработанный полный экспериментальный цикл от синтеза до тестирования готового датчика откроет возможности теоретически обоснованного поиска новых активных материалов для газовых сенсоров.
Помимо газовых сенсоров, выполнение проекта откроет возможность разработки материалов на основе ЛИГ для биосенсоров, тензометрических сенсоров, суперконденсаторов и гибкой электроники. Направленный дизайн на основе высокопроизводительных расчетов соответствует глобальному мировому тренду на замену эмпирических подходов предсказательным моделированием в поиске новых материалов.
|
| Приоритеты научно-технического развития |
а) переход к передовым технологиям проектирования и создания высокотехнологичной продукции, основанным на применении интеллектуальных производственных решений, роботизированных и высокопроизводительных вычислительных систем, новых материалов и химических соединений, результатов обработки больших объемов данных, технологий машинного обучения и искусственного интеллекта;
|
