Forscher erstellen mit Liquid-in-Liquid-Druck 3D-Fluidik-Geräte

Das Mischen von Öl und Wasser ist im Allgemeinen etwas, wofür die meisten von uns keine Anwendung haben, wobei die beiden als nicht mischbare Flüssigkeiten bekannt sind – das heißt, sie kombinieren sich nicht und trennen sich schließlich in Schichten. Forscher am Lawrence Berkeley National Laboratory untersuchen derzeit, wie diese Arten von Gemischen für eine Vielzahl unterschiedlicher wissenschaftlicher Anwendungen hilfreich sein können. Ihre Erkenntnisse werden in einem kürzlich veröffentlichten Artikel “Harnessing liquid-in-liquid printing and micropatterned substrates to fabricate 3-dimensional all-liquid fluidic devices” veröffentlicht.

Bei der Nutzung flüssiger Strukturen für die Herstellung von 3D-Fluidikgeräten erklärten die Forscher, dass eine solche Übung ein “aufstrebendes Design-Paradigma” für Chemiker darstellt, die heute daran interessiert sind, weiche Materie zu manipulieren und nach Möglichkeiten zu suchen, sie auf Abruf zu produzieren.

„Noch in der Entwicklung begriffen, fehlt es den strukturierten Flüssigkeiten derzeit an klaren Entwurfsregeln, um ihre 2D- oder 3D-Architektur zu steuern, funktionale Komponenten räumlich in jede flüssige Phase zu lenken und physiochemische Prozesse über die Flüssig-Flüssig-Grenzfläche zu koppeln, um autonome chemische Systeme zu schaffen, die dazu in der Lage sind nützliche Arbeit leisten, Informationen verarbeiten oder logische Funktionen ausführen“, erklären die Wissenschaftler.

Zur Herstellung solcher Vorrichtungen wurden Glasträger mit superhydrophoben Polymeren beschichtet. Als nächstes verwendeten die Forscher Fotomusterung mit superhydrophilen Kanalarchitekturen, die auch von einer wässrigen Dispersion anionischer 2D-Nanoclays begleitet wurden.

“Grenzflächenkräfte sind wirksam beim Festlegen und Eingrenzen der wässrigen Phase in beliebig komplexen Geometrien und einem breiten Bereich von Kanalbreiten”, erklärte das Forschungsteam.

Die manipulierten Systeme sind in der Lage, schnell den gewünschten stationären Zustand zu erreichen, und die Topografie der Nanopartikel-Polymer-Tenside (NPS) wurde vorgestellt, nachdem die Forscher die Rasterkraftmikroskopie eingesetzt hatten. Sie berichteten, dass ihre Daten an der Schnittstelle „gut verpackte Nanoclays“ ohne strukturelle Probleme zeigten. Die Forscher stellten auch fest, dass nur Mikrokanäle mit NPS-Wänden den Fluss mit der gewünschten Geschwindigkeit leiten können. Ohne sie sammelte sich die wässrige Phase am Kanaleingang an. Das Team stellte außerdem fest, dass der maximale Fluss vollständig vom Querschnitt und der Gesamtarchitektur des Kanals abhängt.

Das Team untersuchte auch die Membranpermeabilität, die Funktionalisierung und weitere chemische Umwandlungen der fluidischen Geräte mit den erforderlichen NPS-Wänden. Bei der Verwendung von NPS-Filmen stellten sie fest, dass mit hinzugefügten Mikrokanälen Direct-Write-Methoden

“Um diesen Fortschritt zu kontextualisieren, ist die Konstruktion kanalartiger wässriger Fäden in Öl ohne die Hilfe von mikrostrukturierten Substraten und NPS-Filmen normalerweise nicht möglich, da die zur Verringerung der Grenzfläche erforderliche thermodynamische Antriebskraft wässrige Fäden in Tröpfchen aufspaltet”, sagten die Forscher.

Die hergestellten Mikrokanäle boten während der Forschung und Bewertung eine so stabile Struktur, dass die Forscher sie als Brücken verwenden konnten, die entweder separate Regionen auf dem Substrat verbinden oder das Gerät mit einer exogenen Einheit verbinden.

„Unsere Studien decken eine latente Lernfähigkeit in solchen Geräten auf, indem physiochemische Erfassung oder Erfassung von Kanaleigenschaften und -inhalten verwendet werden kann, um die Architektur des Geräts so zu steuern, dass ein bestimmtes Ergebnis erzielt wird. Die Reifung des Konstruktionskonzepts führte zu Geräten, die komplexe Aufgaben logisch ausführen können, indem sie die Funktion und Richtung chemoenergetischer Strömungen reversibel kompensieren und weit entfernt von Gleichgewichtsbedingungen arbeiten“, so die Forscher abschließend.

„Das Potenzial dieses Systems für autonomes Lernen ist offensichtlich. Solche Geräte können auch angeordnet sein, um tiefe oder dunkle Daten für das maschinelle Lernen zu erzeugen, z. B. aus rein flüssigen (biologischen) chemischen Umwandlungen und Screens, um Wissen und Verständnis aus der chemischen Logik aufzubauen.”