Revolutionäre 3D-Drucktechnologie ein „Game Changer“ für die Entdeckung und Herstellung neuer Materialien

Von der University of Notre Dame, 6. Juni 2023

Kombinatorische Druckillustration mit hohem Durchsatz. Das neue 3D-Druckverfahren, das High-Throughput Combinatorial Printing (HTCP), beschleunigt die Entdeckung und Produktion neuer Materialien drastisch. Bildnachweis: Universität Notre Dame

Es wurde ein neuartiges 3D-Druckverfahren namens High-Throughput Combinatorial Printing (HTCP) entwickelt, das die Entdeckung und Produktion neuer Materialien erheblich beschleunigt.

The process involves mixing multiple aerosolized nanomaterial inks during printing, which allows for fine control over the printed materials’ architecture and local compositions. This method produces materials with gradient compositions and properties and can be applied to a wide range of substances including metals, semiconductorsSemiconductors are a type of material that has electrical conductivity between that of a conductor (such as copper) and an insulator (such as rubber). Semiconductors are used in a wide range of electronic devices, including transistors, diodes, solar cells, and integrated circuits. The electrical conductivity of a semiconductor can be controlled by adding impurities to the material through a process called doping. Silicon is the most widely used material for semiconductor devices, but other materials such as gallium arsenide and indium phosphide are also used in certain applications." data-gt-translate-attributes="[{"attribute":"data-cmtooltip", "format":"html"}]">Halbleiter, Polymere und Biomaterialien.

Der altbewährte edisonianische Versuch-und-Irrtum-Entdeckungsprozess ist langsam und arbeitsintensiv. Dies behindert die Entwicklung dringend benötigter neuer Technologien für saubere Energie und ökologische Nachhaltigkeit sowie für Elektronik und biomedizinische Geräte.

„Normalerweise dauert es 10 bis 20 Jahre, ein neues Material zu entdecken“, sagte Yanliang Zhang, außerordentlicher Professor für Luft- und Raumfahrt und Maschinenbau an der University of Notre Dame.

„Ich dachte, wenn wir diese Zeit auf weniger als ein Jahr – oder sogar ein paar Monate – verkürzen könnten, wäre das ein Wendepunkt für die Entdeckung und Herstellung neuer Materialien.“

Jetzt hat Zhang genau das geschafft und eine neuartige 3D-Druckmethode entwickelt, mit der Materialien auf eine Weise hergestellt werden können, die mit der herkömmlichen Fertigung nicht möglich ist. Das neue Verfahren mischt mehrere aerosolisierte Nanomaterial-Tinten in einer einzigen Druckdüse und variiert dabei das Tintenmischungsverhältnis während des Druckvorgangs. Diese Methode – kombinatorischer Hochdurchsatzdruck (HTCP) genannt – steuert sowohl die 3D-Architektur als auch die lokale Zusammensetzung der gedruckten Materialien und erzeugt Materialien mit Gradientenzusammensetzungen und -eigenschaften bei räumlicher Auflösung im Mikromaßstab.

Seine Forschung wurde am 10. Mai 2023 in der Zeitschrift Nature veröffentlicht.

Das aerosolbasierte HTCP ist äußerst vielseitig und auf eine breite Palette von Metallen, Halbleitern und Dielektrika sowie Polymeren und Biomaterialien anwendbar. Es generiert kombinatorische Materialien, die als „Bibliotheken“ fungieren und jeweils Tausende einzigartiger Kompositionen enthalten.

Die Kombination von kombinatorischem Materialdruck und Hochdurchsatzcharakterisierung könne die Materialentdeckung erheblich beschleunigen, sagte Zhang. Sein Team hat diesen Ansatz bereits genutzt, um ein Halbleitermaterial mit überlegenen thermoelektrischen Eigenschaften zu identifizieren, eine vielversprechende Entdeckung für Energiegewinnungs- und Kühlanwendungen.

HTCP beschleunigt nicht nur die Entdeckung, sondern produziert auch funktional abgestufte Materialien, die allmählich von steif zu weich übergehen. Dies macht sie besonders nützlich für biomedizinische Anwendungen, die eine Brücke zwischen weichem Körpergewebe und steifen tragbaren und implantierbaren Geräten schlagen müssen.

In the next phase of research, Zhang and the students in his Advanced Manufacturing and Energy Lab plan to apply machine learningMachine learning is a subset of artificial intelligence (AI) that deals with the development of algorithms and statistical models that enable computers to learn from data and make predictions or decisions without being explicitly programmed to do so. Machine learning is used to identify patterns in data, classify data into different categories, or make predictions about future events. It can be categorized into three main types of learning: supervised, unsupervised and reinforcement learning." data-gt-translate-attributes="[{"attribute":"data-cmtooltip", "format":"html"}]">auf maschinellem Lernen und künstlicher Intelligenz basierende Strategien für die datenreiche Natur von HTCP, um die Entdeckung und Entwicklung einer breiten Palette von Materialien zu beschleunigen.

„Ich hoffe, dass ich in Zukunft einen autonomen und selbstfahrenden Prozess für die Materialentdeckung und Geräteherstellung entwickeln kann, damit sich die Studenten im Labor auf das Denken auf hohem Niveau konzentrieren können“, sagte Zhang.

Referenz: „Hochdurchsatzdruck kombinatorischer Materialien aus Aerosolen“ von Minxiang Zeng, Yipu Du, Qiang Jiang, Nicholas Kempf, Chen Wei, Miles V. Bimrose, ANM Tanvir, Hengrui Xu, Jiahao Chen, Dylan J. Kirsch, Joshua Martin , Brian C. Wyatt, Tatsunori Hayashi, Mortaza Saeidi-Javash, Hirotaka Sakaue, Babak Anasori, Lihua Jin, Michael D. McMurtrey und Yanliang Zhang, 10. Mai 2023, Nature. DOI: 10.1038/s41586-023-05898-9