Diseño de materiales con colores estructurales inspirados en aves, utilizando ‘suprabolas’ de nanopartículas
Publicado originalmente por Thamarasee Jeewandara el 27 de abril de 2023
Efecto de la mezcla binaria de nanopartículas monodispersas (melanina de 220 nm de diámetro y sílice de 220 nm de diámetro; melanina, esferas azules; sílice, esferas amarillas) composición y estado de la mezcla en la reflectancia del color de la suprabola. -- (A) Visualizaciones de la sección transversal de suprabolas de mezcla binaria con niveles variables de mezcla de partículas en orden creciente de arriba a abajo y proporción relativa variable de sílice en orden creciente de izquierda a derecha. (B) Colores estructurales correspondientes, representados como paneles de color RGB, de las suprabolas de mezcla binaria. Crédito: Science Advances, doi: 10.1126/sciadv.adf2859
Los científicos de materiales a menudo se inspiran en los seres vivos y concretamente en este nuevo estudio en las aves, por los colores estructurales exhibidos por algunas especies, para formar ensamblajes de nanopartículas no iridiscentes. La mezcla de nanopartículas que varían en su química y tamaño puede afectar al color estructural producido, estableciendo una relación entre estructura y color que permita la creación de materiales de diseño con color personalizado.
En un artículo publicado en Science Advances, Christian M. Heil, y un equipo de investigación de varios institutos internacionales de investigación multidisciplinarios de Estados Unidos, Bélgica y Alemania, mostraron cómo reconstruir las estructuras ensambladas a través de mediciones de dispersión de ángulo pequeño.
El equipo de investigación predijo cuantitativamente los colores observados experimentalmente en mezclas con nanopartículas fuertemente absorbidas para demostrar la influencia de una sola capa de nanopartículas segregadas y producir un color determinado. Los enfoques computacionales versátiles integrados en este trabajo fueron útiles para diseñar materiales sintéticos con los colores deseados, adecuados para su aplicación en pinturas, cosméticos y colorantes alimentarios.
Fabricación y caracterización de colores sintéticos.
La fabricación de materiales sintéticos de color está inspirada en diversas matrices de color presentes en la naturaleza. Pueden surgir de la organización espacial de materiales nanoestructurados que son resistentes a la degradación del color. Los materiales con nanoestructuras consistentes y periódicas pueden formar colores iridiscentes, mientras que aquellos los que tienen una estructura de corto alcance producen colores no iridiscentes.
Los científicos de materiales pueden imitar los colores estructurales naturales no iridiscentes mediante nanopartículas poliméricas autoensamblables a través de ensamblajes amorfos de nanopartículas inorgánicas. Pueden variar los colores de los ensamblajes de nanopartículas regulando su estructura y propiedades ópticas para proporcionar una mayor diversidad estructural. Los científicos pueden ajustar la relación de tamaño de nanopartículas entre los componentes y la composición generando una miríada de diversas estructuras y colores estructurales.
Caracterización de materiales de diseño
Heil et al. utilizaron dispersión de ángulo pequeño y microscopio electrónica para obtener información estructural de los materiales de diseño. Además, integraron la dispersión de neutrones y rayos X de ángulo pequeño para proporcionar métodos adecuados para examinar información estructural general y a nanoescala. Para el modelado óptico de nanoensamblajes complejos, utilizaron el método de dominio de tiempo de diferencia finita (FDTD).
Los experimentos de dispersión de ángulo pequeño generaron un perfil de experimento de dispersión, que interpretaron con análisis computacional de ingeniería inversa para experimentos de dispersión (CREASE) para generar ensamblajes de nanopartículas.
Los investigadores combinaron los dos métodos CREASE-FDTD para comprender los ensamblajes binarios de nanopartículas que forman suprabolas para producir un amplio espectro de colores. Los resultados caracterizaron las propiedades ópticas de los ensamblajes de nanopartículas y mostraron la capacidad de diseñar colores bajo demanda para aplicaciones de amplio alcance en pinturas, cosméticos y colorantes alimentarios.
Aplicación del método CREASE para reconstruir la estructura de ensamblaje de la mezcla binaria de nanopartículas a partir de perfiles SANS. (A) Esquema que describe la operación del método CREASE. (B a D) Diagrama SANS de I en función de q para NCM (arriba izquierda; puntos grises) y MCM (abajo izquierda; puntos amarillos) condición de suprabolas de mezcla binaria superpuestas con el perfil de dispersión de las estructuras de salida CREASE para NCM y condición MCM para (B) 1:4, (C) 1:1 y (D) 4:1 melanina:sílice. (B) traza el NCM y MCM de CREASE como naranja y verde, respectivamente, con un error de dispersión χ2 de 2.35, (C) colorea el NCM y MCM de CREASE como negro y rojo, respectivamente, con un error de dispersión χ2 de 2.03, y (D) muestra el NCM y MCM de CREASE como azul y púrpura, respectivamente, con un error de dispersión χ2 de 2.01. (B) a (D) muestran, a la derecha, la micrografía electrónica de transmisión de la sección transversal de una mezcla binaria representativa suprabola (arriba derecha; melanina, esferas más claras; sílice, esferas más oscuras; barras de escala, 500 nm) y visualización de Dinámica Molecular Visual (VMD) de la porción central (3 μm por 3 μm por 10 μm) del conjunto reconstruido de mezcla binaria de nanopartículas binarias 3D con esferas amarillas que representan la química de sílice y esferas azules que representan la melanina (abajo derecha). (C) El perfil de dispersión y CREASE resulta originalmente de (50). (E) Micrografías electrónicas de barrido de una superficie representativa de suprabola y suprabola de mezcla binaria 1:4 (superior izquierda; barras de escala, 1 μm y 100 nm, respectivamente) y distribución de tamaño lognormal de las nanopartículas de melanina utilizadas para formar la capa segregada de superficie después de la reconstrucción de CREASE (parte inferior izquierda). Visualización VMD de la porción central (3 μm por 3 μm por 10 μm) del ensamblaje reconstruido de mezcla binaria de nanopartículas binarias 3D con la capa de melanina agregada (derecha). Crédito: Science Advances, doi: 10.1126/sciadv.adf2859
Creación de diversidad de color estructural con mezclas binarias de nanopartículas
Los científicos de materiales examinaron la composición y
morfología de fase de mezclas binarias de especies absorbentes y no absorbentes
de tamaño similar, para proporcionar un método para regular la predicción de
colores estructurales en los que se basaba la sensibilidad relativa del
color estructural. Este trabajo produjo una rica diversidad de colores,
mostrando la necesidad de conocer la composición relativa de dos tipos de
nanopartículas en una mezcla binaria, junto con su separación y grado
de mezcla.
Para monitorear este proceso, Heil et al. utilizaron un enfoque experimental y computacional, que proporcionó información sobre las morfologías internas de las suprabolas y que permitía predecir cada espectro de reflectancia y su color resultante.
Modelado óptico y comparación de análisis de color entre suprabolas experimentales y cálculos FDTD en las estructuras de salida CREASE. (A) Espectros de reflectancia (curva sólida, experimental; curva discontinua, computada), panel de color RGB, valores de cromaticidad CIE 1976 y comparaciones de coordenadas de cromaticidad CIE 1931 para el sistema supraball de mezcla binaria melanina:sílice 1:4. La diferencia cuantitativa entre FDTD y los colores experimentales viene dada por un valor de diferencia de color (ΔE) que es ~0,9 veces el valor medio de JND. La caja negra en el recuadro de la micrografía óptica de la suprabola correspondiente representa el tamaño del área (3 μm por 3 μm) sondeada durante las mediciones ópticas utilizando microespectrofotómetro. (B) Similar a (A) pero para un sistema supraball de mezcla binaria melanina:sílice 1:1 con un valor ΔE que es ~1.9 veces el valor promedio de JND. (C) Similar a (A) pero para el sistema supraball de mezcla binaria melanina:sílice 4:1 con un valor ΔE que es ~1.4 veces el valor promedio de JND. Las envolventes de colores más claros, procendentes de las líneas experimentales y computacionales en los gráficos de reflectancia, indican la desviación estándar (DE). La SD del enfoque computacional proviene de simulaciones FDTD de tres estructuras CREASE generadas independientemente, y la SD de las mediciones experimentales es de ~ 15 mediciones independientes de diferentes suprabolas. Crédito: Science Advances, doi: 10.1126/sciadv.adf2859
CREASE y datos de dispersión de neutrones de ángulo pequeño
El equipo realizó experimentos de dispersión de neutrones de ángulo pequeño para tres mezclas diferentes de nanopartículas y produjo suspensiones de suprabolas a escala micrométrica. Obtuvieron información morfológica del interior de las suprabolas, aislando la contribución a la dispersión de los componentes individuales dentro de la estructura, para obtener la dispersión total de las nanopartículas de interés.
Utilizando análisis computacional de ingeniería inversa para experimentos de dispersión, el equipo analizó los resultados de dispersión de estructuras multicomponente para obtener reconstrucción estructural 3D y simulaciones ópticas de los productos.
Los resultados del análisis estructural basado en el análisis computacional de ingeniería inversa para experimentos de dispersión (CREASE), proporcionaron las coordenadas de todas las nanopartículas dentro de las suprabolas. Esta información fue útil para calcular la dispersión de la luz empleando el método de dominio de tiempo de diferencia finita (FDTD).
El método combinado CREASE-FDTD presentó una estrecha coincidencia estructural de los sistemas experimentales con comparaciones de modelado óptico. Basándose en la notable coincidencia entre estos dos métodos combinados, el equipo desarrolló un modelo de las propiedades ópticas, subyacentes a una compleja mezcla binaria de nanopartículas, para comprender el impacto de la dispersión del tamaño y la segregación de la superficie en el color estructural.
Perspectiva
De esta manera, Christian M. Heil y sus colegas combinaron dos métodos clave; análisis computacional de ingeniería inversa para el experimento de dispersión (CREASE) y el método de dominio de tiempo de diferencia finita (FDTD) para proporcionar una nueva plataforma para modelar colores estructurales de supraconjuntos basados en nanopartículas. Los colores estructurales inspirados en las aves formaron conjuntos de nanopartículas no iridiscentes, mientras que aquellos con un orden de corto alcance producen colores no iridiscentes.
El equipo utilizó dos métodos principales para determinar los resultados en función del tamaño, la dispersión, la morfología de la fase y las propiedades ópticas fuertemente absorbentes de las nanopartículas. Este método combinado produjo estructuras 3D reconstruidas de ensamblajes de nanopartículas con perfiles de dispersión que coincidían estrechamente con los obtenidos a través de mediciones de dispersión de neutrones de ángulo pequeño. El método combinado es adecuado para el modelado multiescala para estudiar las propiedades ópticas de conjuntos mucho más grandes de suprabolas, como películas empaquetadas y dispersiones de pigmentos.
Este método puede utilizarse para diseñar colores programables para aplicaciones prácticas en recubrimientos, pinturas y cosméticos y servir de ayuda a los investigadores de materiales a comprender y diseñar mejor materiales complejos para aplicaciones en los espectros electromagnéticos, al tiempo que predice propiedades del material, como conductividad térmica o eléctrica, y propiedades mecánicas, que dependen de las composiciones estructurales variables de los materiales diseñados.
Más información: Christian M. Heil et al, Mecanismo de colores estructurales en mezclas binarias de suprabolas basadas en nanopartículas, Science Advances (2023). DOI: 10.1126/sciadv.adf2859
Vukusic P. et al, Estructuras fotónicas en biología. Nature (2023), DOI: 10.1038/nature0194
Información de la revista: Science Advances, Nature
Comentarios
Publicar un comentario