金属有机骨架 (MOF) 是一类多样化的材料,由有机配体与金属离子反应形成由多孔网络组成的晶体配位化合物。MOF 具有高内部表面积和易于调节的化学性质,因此已被用于各种各样的应用,[1] 包括:气体存储和分离、[2] 催化、[3] 传感、[4] 水净化、[5] 药物释放、[6] 和电子学。[7] 然而,MOF 的不溶性使其很难加工成实际应用所需的复杂形状和图案,从而限制了它们在复杂设备中的使用。[8] 因此,人们探索了各种各样的方法来在表面上生长、沉积和图案化 MOF。 [9] 这些技术包括:喷涂、[10] 旋涂、[11] 浸涂、[11,12] 软光刻、[13] 微流体[14] 和 3D 打印、[15] 静电纺丝[16] 和凝胶整体法。[15c,17]
摘要:最近出现了几种合成方法,将高表面积固态有机骨架材料开发成具有永久孔隙率的自由流动液体。这些多孔液体 (PL) 材料的流动性使它们在某些储存和运输过程中具有优势。然而,大多数基于骨架的材料需要使用低温来储存弱结合气体(例如 H 2 ),而在该温度下 PL 会失去流动性。基于共价有机骨架 (COF) 的 PL 可以在接近环境温度的条件下与 H 2 可逆地形成稳定的复合物,这将代表气体储存和运输应用的有希望的发展。我们在此报告一种基于负载 Cu(I) 的 COF 胶体的具有这些卓越特性的材料的开发、表征和评估。我们的合成策略需要使用原子转移自由基聚合 (ATRP) 来定制条件以在 COF 胶体周围生长坚固的聚(二甲基硅氧烷)-甲基丙烯酸酯 (PDMS-MA) 涂层。我们展示了对胶体COF涂层厚度的精准控制,并通过透射电子显微镜和动态光散射进行了量化。随后,将涂覆的COF材料悬浮在液体聚合物基质中,制成PL。CO 2 等温线证实,涂层在自由流动液体中保留了COF的总体孔隙率;而采用漫反射红外傅里叶变换光谱 (DRIFTS) 进行的CO吸附测量证实了Cu(I)配位点的保留。随后,我们使用DRIFTS和程序升温脱附测量评估了基于Cu(I) − COF的PL中的气体吸附现象。除了证实这些材料可以在温和制冷温度下或接近温和制冷温度下进行H 2 传输外,我们的观察还表明,H 2 扩散受到涂层和液体基质的玻璃化转变温度的显著影响。后者结果强调了PL在通过涂层成分调节气体扩散和储存温度方面的另一个潜在优势。
推荐引用 推荐引用 Li, Longji,“模拟碳酸酐酶的金属有机骨架的合成及催化性能”(2021 年)。Mahurin 荣誉学院顶点体验/论文项目。论文 924。https://digitalcommons.wku.edu/stu_hon_theses/924
有序二维共价有机骨架(2D-COF)的原子级精确设计机会与非晶态线性聚合物、交联聚合物和超支化聚合物完全不同,从而可以前所未有地操纵构成含杂原子(N、S 和 O 等)功能团的初级和更高级排列。[1] 这类新兴的有序聚合物材料表现出有机亚基的网状生长,这些亚基通过强共价键(席夫键形成、[2] 环硼氧烷键、[3] C C 键形成、[4] 酰胺键、[5] 吩嗪键、[6] 苯并噻唑键、[7] 二恶英、[8] 二硫代丙烷键[9] 等)相互锁合,通过相邻层之间的 π – π 相互作用配置成三维阵列,并且对组成和性能具有良好的预测。结构的预测是
摘要:柔性金属有机骨架 (MOF) 在外界刺激下会发生可逆的结构转变。某些 MOF 的一个有趣特性是它们能够响应特定客体而弯曲,从而实现选择性分离。在这里,我们介绍了 MUF-15-OMe ([Co 6 (μ 3 -OH) 2 (ipa-OMe) 5 (H 2 O) 4 ]),它是 MUF-15 的一种变体,由通过 5-甲氧基间苯二甲酸酯 (ipa-OMe) 配体连接的六核钴 (II) 簇组成。MUF-15 本身具有间苯二甲酸酯连接基,在吸收常见气体时不灵活。另一方面,MUF-15-OMe 在压力低于 1 bar 时会弯曲 CO 2 和 C2 烃类等气体,这由其气体吸附等温线中的不同步骤揭示。计算分析表明,潜在机制涉及骨架连接体中羧基之一的部分分离。通过在多元骨架中用间苯二甲酸酯配体替换部分 ipa-OMe,可以调节诱导骨架动力学所需的气压。MUF-15-OMe 的弯曲为吸附特定的额外气体分子打开了空间。这增强了 CO 2 和 N 2 的分离,并使得通过量子筛分能够区分 H 2 和 D 2。通过清楚地说明灵活性如何区分气体混合物,这项研究为使用动态 MOF 进行具有挑战性的分离奠定了基础。
动机:精确的脑血管形态模型是建模和模拟现实血管网络中脑血流的关键。这种计算机模拟方法对于揭示神经血管耦合原理至关重要。验证这些血管形态需要执行某些无法通过通用可视化框架完成的视觉分析任务。这一限制对模拟中使用的血管模型的准确性有很大影响。结果:我们提出了 VessMorphoVis,这是一套集成的工具箱,用于交互式可视化和分析庞大的脑血管网络,这些网络由最初从成像或显微镜堆栈中分割出来的形态图表示。我们的工作流程利用了 Blender 的出色潜力,旨在建立一个集成的、可扩展的、特定领域的框架,该框架能够交互式可视化、分析、修复、高保真网格划分和高质量渲染血管形态。根据用户的初步反馈,我们预计我们的框架将成为未来血管建模和模拟的重要组成部分,填补目前尚未填补的空白。 可用性和实施:VessMorphoVis 在 Github 上可根据 GNU 公共许可证免费获取,网址为 https://github.com/BlueBrain/VessMorphoVis。形态分析、可视化、网格划分和渲染模块是基于其 Python API(应用程序编程接口)作为 Blender 2.8 的附加组件实现的。用户可以通过直观的图形用户界面使用附加功能,也可以通过以后台模式运行 Blender 的功能丰富的命令行界面调用 API 的详尽配置文件使用附加功能。 联系方式:marwan.abdellah@epfl.ch 或 felix.schuermann@epfl.ch 补充信息:补充数据可在 Bioinformatics 在线获取。
图 1:(a) SWC 文件的说明性示例(不是真实细胞)。从左到右,各列分别表示节点索引、神经元区室类型、x、y、z 坐标、半径和父节点索引。例如,第二个节点表示位于 [0, 0, 8] 处半径为 2 µm 的顶端树突(类型 4)部分。它连接到其父节点(第一个节点)。如果父索引为 -1,则当前节点为根节点。(b) (a) 中 SWC 文件定义的神经元骨架的可视化表示。红色 ⊗ 符号表示体细胞节点,神经突节点用红色 + 表示。长度为 l 1 , . . . , l 4 的蓝线绘制了神经元骨架。虚线以 3D 形式说明了神经元的形态。(c) 可用于连接两个连续节点的圆锥
摘要:开发用于吸附分离丙烯和丙烷的多孔固体仍然是一个重要且具有挑战性的研究方向。最先进的吸附剂材料通常会在吸附容量和选择性之间产生矛盾。在这里,我们报道了通过设计的孔隙扭曲在金属有机骨架中对丙烯和丙烷进行受控分离。HIAM-301 的扭曲孔结构成功排除了丙烷,从而在 298 K 和 1 bar 下同时实现了高选择性(>150)和大容量(~3.2 mmol/g)的丙烯。动态突破测量验证了丙烷和丙烯的优异分离。原位中子粉末衍射和非弹性中子散射揭示了 HIAM-301 中吸附丙烯分子的结合域以及主客体相互作用动力学。这项研究为丙烯和丙烷的吸附分离提出了新的基准。
随着 5G、人工智能、物联网等技术的快速发展,微电子设备的工作温度不断升高,对导热和电绝缘材料的需求显著增加[1-4]。这主要是因为微电子设备运行时芯片产生的热量由于一层热界面材料(TIM)而不能迅速传递到冷却设备。TIM 的主要作用是填充微电子设备与散热器翅片之间的缝隙,从而降低界面热阻[5]。环氧树脂或硅橡胶等聚合物因具有优异的黏附性、热稳定性和电绝缘性,常用作 TIM[6,7]。然而,它们的 TC 值较低(低于 0.3 W/m·K),不能满足微电子设备的需求。因此,迫切需要具有优异平面热导率的TIM,它能及时将热量传递至散热片,进而将热量传输到设备外部。通过加入陶瓷填料,如AlN[8-10]、Al2O3[11-13]、Si3N4[14]和BN[15,16],复合策略被认为是提高热导率的最有效方法。特别是对于具有与石墨类似的层状结构的BN,由于其优异的热导率(平面方向约600W/m·K)和宽的带隙[17-20],它引起了人们的极大兴趣。因此,将BN加入到聚合物中对提高热导率具有重要意义。然而,通过传统共混方法制备的BN基复合材料的平面热导率远低于平面取向的。在这方面,已经开发出一些策略来增强聚合物复合材料的平面导热性。一种策略是构建三维网络骨架。在这种结构中,
金属有机骨架 (MOF) 是具有独特吸附性能的微孔结晶配位聚合物。它们在催化、1 气体存储、2 分离 3 和微电子领域显示出了巨大的潜力。4 作为传感器涂层,它们可以将分析物富集在传感器表面,在某些情况下是选择性的。5,6 然而,由于缺乏简便和通用的沉积和图案化技术,它们的集成受到阻碍。7,8 基于溶液的 MOF 沉积技术,例如化学溶液生长或液相外延,可能会导致腐蚀或污染。4 化学气相沉积可以避免这些风险,9 但受到金属前体的反应性和连接剂的挥发性的限制。已经展示了多种用于 MOF 涂层的图案化方法。减法方法(例如剥离图案化 9,10 或无抗蚀剂直接光刻 11)涉及修改整个基板,这增加了残留物污染的风险。相比之下,加法图案化技术(例如选择性生长 12、微接触 12,13 和喷墨打印 14,15)仅将目标材料沉积在基板的有限区域上。喷墨打印特别