2023年5月17日,南极熊获悉,据Karla Cruise发表的一篇文章称,来自美国印第安纳州圣母大学
航空航天与机械工程副教授Yanliang Zhang开发了一种新颖的3D打印方法,该方法通过在单个打印喷嘴中混合多种雾化纳米材料墨水完成打印,能够以传统制造方法无法实现的方式生产材料。
这项研究以题为“High-throughput printing ofcombinatorial materials from aerosols”被发表在《Nature》杂志上。
Yanliang Zhang说:“发现一种新材料通常需要10到20年的时间。我认为,如果我们能将这段时间缩短到不到一年,甚至几个月,这将改变新材料发现和制造业的游戏规则。”
这种新的3D打印工艺被称为高通量组合打印 (HTCP),它是通过在单个打印喷嘴中混合多种雾化纳米材料墨水完成打印,并且在打印过程中可改变墨水混合比例。HTCP方法可控制打印材料的3D结构和局部成分,并以微尺度空间分辨率生产具有梯度成分和特性的材料。
△HTCP的设计策略。a – 基于原位气溶胶混合的组合打印方法示意图。b – 正交和平行渐变打印设计策略,以及使用蓝色墨水(食用染料蓝色 1)和红色墨水(罗丹明 B)相应的打印渐变图案,展示了成分调制特征。c – 显示气溶胶墨水流速对沉积材料影响的光学显微镜图像。比例尺100 µm。d – 打印材料厚度与各种油墨(聚苯乙烯、AgNW、石墨烯和 Bi2Te3)的流速。误差条代表来自四个实验重复的。
标准:立方厘米每分钟。资料来源:Nature617, 292–298 (2023)
具有梯度成分的组合材料的快速打印。 a, 快速相机图像显示光致发光油墨(蓝色)在可见光和 365nm 波长的紫外光下的气溶胶沉积过程。比例尺,2.5mm。 b,HTCP 过程的典型梯度曲线。SEM 图像显示 Ag/Bi2Te3 复合材料的形态随着 Ag 墨水流量的增加和 Bi2Te3 墨水流量的减少而发生变化。制造过程大约需要 1分钟。比例尺,1µm。 c,使用 SEM(顶部)和 EDS(底部)对Ag/Bi2Te3 复合材料进行成分表征。比例尺,100µm。d,Ag/Bi2Te3 复合材料在梯度方向上的元素分布。误差条代表 s.d.来自三个梯度样本。e, Ag/Bi2Te3 复合材料的 TEM 显示了 Ag 纳米粒子和Bi2Te3 纳米板之间的界面。比例尺,2 nm。
△HTCP具有广泛的材料选择。 a,涵盖广泛元素的各种打印组合系统的元素映射。比例尺,300µm。 b,使用0D、1D和2D纳米粒子直接打印的各种组合材料的SEM图像。比例尺,1μm。 c,聚合物的组合打印。拉曼光谱证实了组合 PEDOT:PSS/壳聚糖(顶部)和 CNC/PEDOT:PSS(底部)的成分转变。 a.u.,任意单位
△HTCP可实现组合掺杂、功能分级、化学反应和成分微观结构。a,组合掺杂示意图。 b,具有梯度硫掺杂浓度的 Bi2Te2.7Se0.3 薄膜和由此产生的局部塞贝克系数变化。误差条代表 s.d.来自塞贝克系数的两个实验复制和硫掺杂浓度的六个实验复制。 c,在过去十年中,我们采用优化掺杂(红色)打印的 Bi2Te2.7Se0.3 与其他打印 n 型材料之间的室温功率因数比较26-32,其中我们未掺杂的 Bi2Te2.7Se0.3 为橙色以供参考。 d,功能梯度材料的组合打印示意图。 e,显示用两种染料着色的两种 PUD 油墨打印的渐变聚氨酯薄膜的红色和绿色光强度的荧光图像,插图显示光致发光图像。比例尺,1 mm。 f,局部杨氏模量与样品位置的关系,空间分辨率约为 27µm。 g,组合化学反应示意图。h,GO/rGO梯度膜的光学显微图像。比例尺,0.5mm。 i,拉曼分析显示不同样品位置的 D:G 波段比,插图显示过夜反应后梯度膜的光学图像。比例尺,1 mm。误差条代表 s.d.来自三个实验重复。 j,左,组合微结构示意图。右图,沿厚度方向具有亚微米分辨率周期性结构的 Ag/MoS2 示例(假色 SEM,红色显示 Mo,蓝色显示 Ag;比例尺,300nm)和打印的 3D 盐晶体阵列(比例尺,300μm)).
基于气溶胶墨水的 HTCP 方法用途极为广泛,适用于范围广泛的金属、半导体和电介质,以及聚合物和
生物材料。它可用于生成复合材料,相当于构建起“材料库”——每个包含数千种独特的成分。
据 Yanliang Zhang 介绍,将组合材料打印和高通量表征相结合可以显著加快材料开发。来自圣母大学的团队已经使用这种方法来甄别具有卓越热电性能的半导体材料,这对于能量收集和冷却应用领域是一个有前途的发现。
除了加快材料开发进程之外,HTCP还可用于生产功能分级材料,这些材料会逐渐从硬质过渡到软质,这也使得该技术在可穿戴和可
植入物方面展现出巨大的应用潜力。在下一阶段的研究中,Yanliang Zhang 和他先进制造与
能源实验室的学生计划将机器学习和人工智能指导策略与 HTCP 有机结合,以加速发现和开发范围广泛的材料。
最终,Yanliang Zhang表示:“未来,我希望为材料发现和设备制造开发一个自主和自动开发的过程,这样实验室的学生就可以自由地专注于更高层次的思考。”
来源:南极熊