Химия

Нобелевскую премию по химии в 2025 году присудили за создание металл-органических каркасов (МОКов, по-английски — Metal-Organic Frameworks, MOF) — нового класса кристаллических материалов, объединяющих свойства полимеров и неорганических соединений и обладающих рекордной пористостью. Лауреатами стали Сусуму Китагава из Японии, Ричард Робсон из Австралии и американец Омар Яги.

Международная научная группа при участии МФТИ разработала композитный гель-полимерный электролит для аккумуляторов. Этот материал позволит создать безопасные высокомощные батареи, что важно для электромобилей, гаджетов и систем хранения энергии.

Международная группа исследователей провела масштабное компьютерное моделирование таумасита — редкого, но опасного минерала, ответственного за разрушение бетонных конструкций при низких температурах. Ученым удалось выявить на атомном уровне то, что происходит на границе между минералом таумасита и водным раствором в нанопорах цемента. Эта тончайшая межфазная область управляет тем, как минерал зарождается, кристаллизуется и растет в цементном камне, что влияет на один из самых неприятных сценариев долговечности бетона — сульфатную коррозию при низких температурах.

Используя метод рентгеноструктурного анализа, российские ученые впервые смогли в деталях установить, как небольшие химические добавки кардинально меняют фазовый состав пьезоэлектрических материалов на основе цирконата-титаната свинца и напрямую определяют его электрофизические характеристики. Это открывает путь к целенаправленному дизайну «умных» материалов с заранее заданными свойствами для передовой электроники и сенсорики.

Российский коллектив ученых разaработал новую композитную протонообменную мембрану, которая решает одну из ключевых проблем водородной энергетики. Укрепив «сердце» водородного двигателя каркасом из уникальных нановолокон, исследователи добились значительного повышения механической прочности и стабильности при сохранении высокой эффективности.

Результаты работы найдут применение в сфере биомедицины и катализа.

Алгоритм впервые учитывает ключевой фактор — влияние подложки, что в десятки раз ускоряет создание следующих поколений устройств наноэлектроники.

Пользуясь накопленными данными, можно целенаправленно выбирать реакционные составы для синтеза ферритов с заданными характеристиками.

Эксперимент подтвердил теоретические расчеты, сделанные с помощью модели машинного обучения.

Это открывает возможности для выхода на новый этап прикладных исследований, а именно разработку датчиков на основе магнитов с заданными рабочими характеристиками.