Yanliang Zhang, außerordentlicher Professor für Luft- und Raumfahrt und Maschinenbau an der University of Notre Dame, hat eine neuartige 3D-Druck-Methode entwickelt. Das Verfahren vermischt mehrere aerosolisierte Nanomaterial-Tinten in einer einzigen Druckdüse. Während des Druckvorgangs wird das Tintenmischverhältnis variiert. Diese Methode, die auch kombinatorischer Hochdurchsatzdruck (HTCP) genannt wird, steuert sowohl die 3D-Architektur als auch die lokale Zusammensetzung der gedruckten Materialien. Damit lassen sich Materialien mit Gradientenzusammensetzungen und -Eigenschaften bei räumlicher Auflösung im Mikromaßstab erzeugen. Zhang hat die Ergebnisse seiner Forschung im Fachjournal Nature in einem Artikel mit dem Titel „High-throughput printing of combinatorial materials from aerosols“.
Kombinatorischer Hochdurchsatzdruck
Das vielseitige aerosolbasierte HTCP lässt sich auf eine breite Palette von Metallen, Halbleitern und Dielektrika sowie Polymeren und Biomaterialien anwenden. Die kombinatorischen Materialien, die es generiert, fungieren als „Bibliotheken“ und enthalten jeweils Tausende einzigartige Kompositionen. Der kombinatorische Materialdruck und die Hochdurchsatzcharakterisierung kann die Materialentdeckung beschleunigen. Zhang hat mit seinem Team den Ansatz genutzt, um ein Halbleitermaterial mit überlegenen thermoelektrischen Eigenschaften zu identifizieren, eine vielversprechende Entdeckung für Energiegewinnungs- und Kühlanwendungen.
Funktional abgestufte Materialien, die allmählich von steif zu weich übergehen, sind mit HTCP ebenfalls möglich. So sind sie besonders für biomedizinische Anwendungen nützlich, die eine Brücke zwischen weichem Körpergewebe und steifen, tragbaren und implantierbaren Geräten schlagen müssen. Zhang plant, mit seinen Studenten des Advanced Manufacturing and Energy Lab, maschinelles Lernen und auf künstlicher Intelligenz basierende Strategien auf die datenreiche Natur von HTCP anzuwenden, um die Entdeckung und Entwicklung einer breiten Palette von Materialien zu beschleunigen.
Er erklärt:
„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.“
