Nanohelices escalables para estudios predictivos y mejorada visualización 3D

Nanoestructuras helicoidales se producen típicamente en el laboratorio usando técnicas de deposición química de vapor ^{de 1-2,} mientras que los nuevos enfoques han sido reportados en la literatura ^3. En particular nanosprings y nanocintas han sido estudiadas debido a sus distintas propiedades y aplicaciones prometedoras en sensores, óptica y dispositivos electromecánicos y de fluidos ^4-7. Métodos de síntesis se han reportado para producir sílice (SiO ₂₎ nanocintas, haciendo que estas estructuras de unidades de bloques de construcción potenciales para los sistemas jerárquicos. Síntesis Novela de nanosprings sílice 3D ha ampliado sus aplicaciones a chemiresistors cuando están cubiertas con ZnO ⁸ o nanopartículas para aplicaciones de diagnóstico ^9-10.

Los estudios experimentales sobre las propiedades mecánicas de nanosprings sílice y nanocintas son escasos, principalmente debido a las limitaciones actuales de manipulación de pruebas y métodos y equipment. Las investigaciones sobre los nanomecánica de nanoestructuras y nanosprings han reportado el uso de la teoría y simulaciones ^11-14. Algunas simulaciones ¹³ han centrado en el comportamiento de nanomecánica nanosprings amorfos, ya que pueden explorar los regímenes no totalmente accesibles a través de la experimentación. Estudios atomísticos de nanosprings metálicos han sido reportados en la literatura para investigar la dependencia del tamaño de las propiedades elásticas ^15, y más recientemente los nanomecánica de nanoestructuras de sílice cristalina helicoidal ^14. Pruebas experimentales de estructuras nanospring también ha sido realizado en diferentes materiales tales como nanoestructuras de carbono y helicoidales nanocoils carbono ^16-17. A pesar del conocimiento reunido hasta ahora, se necesita una comprensión más completa de las propiedades mecánicas de estos nuevos nanoestructuras para futuros esfuerzos de fabricación nanodispositivo.

Como los estudios de MD g de sílicelass (sílice no cristalina) nanohelices son todavía algo limitadas, el modelado atomista de tales estructuras requiere la creación de códigos personalizados. No hay otros métodos alternativos de creación de modelos MD helicoidales de vidrio de sílice se han identificado hasta el momento en la literatura reciente búsqueda. En este trabajo, se persigue un enfoque de abajo hacia arriba para el modelado atomista de nanoestructuras de cristal de sílice helicoidales incluyendo nanosprings y nanocintas para futuras simulaciones MD nanomecánicos a gran escala. El enfoque general consiste en la creación de un modelo de vidrio MD "a granel" de sílice como se informó anteriormente ^18, y forjar diversas nanoestructuras helicoidales de esta muestra "mayor" a través de dos códigos informáticos robustos y adaptables desarrollados para este fin. Ambos procedimientos computacionales ofrecen una manera distinta para crear modelos nanocinta y nanospring con gran eficiencia y detalle atomista; estas estructuras son adecuados para simulaciones atomísticos a gran escala.Además, una interfaz gráfica de usuario personalizado se utiliza para facilitar la creación y visualización de las estructuras helicoidales.

La estructura del modelo de vidrio de sílice "a granel" se crea inicialmente a temperatura ambiente. Simulaciones MD de gran escala se llevan a cabo para este propósito utilizando la Garofalini interatómica potencial similar a estudios previos ^18, que es relativamente eficiente computacionalmente y apropiado para sistemas grandes. La estructura de "mayor" de vidrio de sílice inicial consiste en un modelo cúbico (14,3 x 14,3 x 14,3 nm ^3), que contiene 192.000 átomos. El modelo de vidrio de sílice "a granel" se equilibró a 300 K durante 0,5 nseg para obtener el estado inicial usando condiciones de contorno periódicas.

Dos procedimientos computacionales están diseñados y utilizados para crear modelos nanocinta sílice y nanospring atomistas. El primer método consiste en forjar nanocintas sílice dela estructura "a granel", utilizando las ecuaciones paramétricas que definen una hélice, y su geometría (tono, el radio de la hélice, y el radio del alambre). Este procedimiento incluye el uso de la lengua de programación AWK, el sistema operativo Linux, y software de visualización de código abierto ^19. El procedimiento iterativo en general para crear modelos atomizados de nanocintas implica: (1) la selección de un átomo en el modelo de vidrio de sílice "a granel", (2) el cálculo de la distancia desde el átomo seleccionado a un punto en el espacio en una función helicoidal pre-definido, (3) comparar esta distancia con el radio de la nanocinta deseada, y (4) descartar o mantener el átomo en un modelo de datos de salida. Una descripción detallada paso a paso de este método está incluido en los Códigos Escalable Open-Source material suplementario. Con este método, varios nanocintas de sílice fueron creados usando diferente paso, el radio de los valores de la hélice y el radio nanocinta, que se valora posteriormentede precisión en contra de los valores dimensionales deseadas con el análisis molecular y software de visualización ^19-20. Modelos atomista de la nanocintas sílice se generaron con geometrías funcionales (altos valores de tono y bajos valores de radio nanocinta). Algunos artefactos, que consiste en átomos excluidos en el error, lo que lleva a una superficie nanocinta menos suave, se observaron a valores de radio nanocinta excesivamente altos y valores de tono extremadamente bajas. Métodos similares se han utilizado en el proceso de creación de nanocables de sílice ^21-23.

El segundo método que aquí se presenta incluye forjar nanosprings sílice de la estructura de sílice "a granel", mediante la implementación de métodos de pre-selección para aumentar la eficiencia, además de las ecuaciones matemáticas de una hélice. Este procedimiento requiere la creación de un código más robusto C ++ para permitir una mayor flexibilidad en el modelado de estas nanoestructuras helicoidales. El método iterativo para crear Atomismodelos de tics de nanosprings incluye: (1) descartando todos los átomos garantizados a caer fuera de la trayectoria helicoidal, (2) seleccionar determinista un punto de la trayectoria helicoidal, (3) la comparación de todos los átomos dentro de una distancia específica a este punto seleccionado, y (4 ) descartar o almacenar cada átomo en un modelo de datos de salida. Una descripción paso a paso de este método también está incluido en los Códigos de Open-Source escalables material suplementario. Con este método, varios modelos nanospring sílice se obtuvieron con dimensiones variadas (radio, cable de radio de la hélice, y echada de nanospring) como muestran en la Figura 1. Se obtuvieron modelos de nanospring de sílice de alta precisión de manera eficiente con este método, sin evidencia de artefactos encontrados en extrema valores (bajo y alto) de paso para la nanospring. La creación y el uso de la interfaz gráfica de usuario para este método se describe en la sección de Protocolo.

Este protocolo se describe cómo preparar los archivos NanospringCarver, corriendo MATLAB ²⁴ en un PC Linux ^{de 25 años,} y el uso de una interfaz gráfica de usuario para preparar modelos nanospring atomistas. Estos modelos anteriormente no disponibles sirven como base para nuevos dinámica molecular (MD) simulaciones ²³ hacia la investigación de materiales de innovación.

El procedimiento general paso a paso para crear modelos nanospring atomistas implica el uso de los siguientes elementos: (a) NanospringCarver (v. 0.5 beta) código (abierto-agriace en lenguaje C ++), (b) modelo de vidrio de sílice a granel (archivo de entrada), (c) interfaz de MATLAB GUI y archivos relacionados, y (d) el software MATLAB (versión 7) usando una licencia local en un PC Linux. Los productos que (a) – (c) anterior (código NanospringCarver, modelo de vidrio de sílice, archivos de MATLAB GUI) son de descarga gratuita en línea ^26. MATLAB (Matrix Laboratory) es un lenguaje de alto nivel para el cálculo numérico, visualización y desarrollo de aplicaciones de MathWorks ^24, que se utiliza principalmente para la visualización y análisis de datos, procesamiento de imágenes, y la biología computacional.