Abstract
Enkelwandige koolstofnanotubes (SWCNT's) bezitten unieke optische en elektronische eigenschappen die sterk afhankelijk zijn van hun exacte chirale structuur. Omdat synthesemethoden geen stalen met slechts één structuur kunnen produceren, bestudeerde dit project in detail de rol van surfactanten in de structuursortering van SWCNTs. Het project onderzocht geavanceerde methodologieën voor het sorteren en karakteriseren van SWCNTs, met een specifieke focus op chirale scheiding, hyperspectrale beeldvorming en segmentatietechnieken op basis van deep learning. Ten eerste werd een systematische studie uitgevoerd naar de competitie tussen verschillende surfactanten voor de structuursortering van SWCNTs door middel van waterige tweefasenextractie, wat belangrijke informatie opleverde voor voorspellende sortering. Ten tweede werd hyperspectrale beeldvorming gecombineerd met geautomatiseerde segmentatie van de SWCNTs om het effect van een chirale molecule op de adsorptie van SWCNT-enantiomeren te onderzoeken. Deze laatste techniek werd vervolgens gebruikt om de chiroptische responsen van SWCNT-enantiomeren te kalibreren.
Onderzoeker(s)
Onderzoeksgroep(en)
Project type(s)