ORNL, R&D 100 연구상 6개 수상

May 26, 2023

DOE/오크리지 국립연구소

이미지: ORNL과 PolarOnyx의 연구원들은 알루미늄-붕소 탄화물 매트릭스 복합재 기반 제조를 사용하여 2D 및 3D 콜리메이터와 부품을 개발했습니다.더보기

크레딧: PolarOnyx

에너지부 오크리지 국립연구소(Oak Ridge National Laboratory) 연구원들이 개발한 기술은 6개의 2023년 R&D 100상을 수상했습니다.

R&D World 매거진은 지난 주에 발표된 최종 후보 선정 결과를 발표했습니다. 우승자는 11월 16일 캘리포니아주 샌디에이고에서 열리는 조직 시상식에서 표창될 것입니다.

임시 ORNL 이사인 Jeff Smith는 “ORNL은 미국의 가장 어려운 문제에 대한 기술 솔루션을 제공하기 위해 노력하고 있습니다.”라고 말했습니다. "올해의 R&D 100 어워드는 우리 과학자와 엔지니어가 그 위업을 달성하기 위해 얼마나 열심히 노력했는지를 상기시켜줍니다."

종종 "혁신의 오스카상" 및 "공학의 노벨상"으로 불리는 R&D 100 어워드는 지난 60년 동안 판매 가능한 새로운 상용 제품, 기술 및 재료로 이어지는 과학 및 기술 연구 개발에 영예를 안겨왔습니다. 또는 라이센스. 수상한 기술과 개발자는 다음과 같습니다.

중성자 계측을 위해 적층 가공된 열전도성 콜리메이터, ORNL과 PolarOnyx가 개발했습니다.

ORNL과 PolarOnyx, Inc.의 연구원들은 알루미늄-붕소 탄화물 매트릭스 복합재 기반 제조를 사용하여 2D 및 3D 콜리메이터와 부품을 개발했습니다. 콜리메이터는 배경을 줄여 시료에서 산란된 중성자와 X선만 측정하므로 중성자와 X선 실험에 필수적인 구성 요소입니다. 금속 매트릭스 복합체(MMC) 첨가제는 탄화붕소의 큰 중성자 흡수 단면적과 경도를 알루미늄의 높은 열 전도성과 결합하여 견고하고 소음이 적은 중성자 산란 측정을 제공합니다.

이러한 복잡한 콜리메이터는 전례 없는 중성자 산란 테스트 성능으로 전통적으로 제조된 콜리메이터에 비해 크게 향상된 기능을 제공하며 MMC 적층 제조 기술을 통해 유지 관리 비용과 생산 시간을 줄일 수 있습니다.

DOE Office of Science는 이 연구에 자금을 지원했습니다.

개발은 ORNL의 Matthew Stone, Jeff Bunn, Andrew May, PolarOnyx의 Jian Liu 및 Shuang Bai가 공동으로 주도했습니다. ORNL의 Alexander Kolesnikov와 Victor Fanelli가 개발에 기여했습니다.

OpenN-AM: 적층 제조의 Operando 중성자 회절 측정을 위한 플랫폼, ORNL이 개발했습니다.

ORNL 연구원들은 3D 프린팅이라고도 알려진 적층 가공(AM) 중에 금속의 오페란도 중성자 회절 연구를 수행하기 위한 플랫폼인 OpeN-AM을 개발했습니다.

플랫폼은 증착 헤드, 가공 기능, IR 또는 적외선 모니터링으로 구성됩니다. 이 모든 것은 ORNL의 Spallation Neutron Source(SNS)에서 VULCAN 빔라인을 사용하여 Operando 엔지니어링 중성자 회절 측정과 조정될 수 있습니다.

이러한 기능의 조합은 AM 프로세스 중에 발생하는 상 변환 및 스트레스 요인의 진화에 대한 탁월한 통찰력을 제공합니다. 이러한 새로운 통찰력을 통해 AM 처리의 지속적인 개선을 통해 스트레스 요인을 완화하고 새로운 재료 및 공정 전략 개발을 가속화할 수 있습니다.

연구 자금은 DOE 연구소 주도 연구 개발, 디지털 야금 이니셔티브(Digital Metallurgy Initiative)에서 제공했습니다.

ORNL의 Alex Plotkowski는 Chris Fancher, Kyle Saleeby, James Haley, Ke An, Dunji Yu, Tom Feldhausen, Guru Madireddy, Yousub Lee, Joshua Vaughan, Suresh Babu, Jessie Heineman, Clay Leach, Wei Tang 및 Amit Shyam과 함께 ORNL의 개발을 이끌었습니다. 개발을 지원합니다.

과학 발견을 위한 물리학 기반의 능동 학습 기반 자율 현미경, ORNL이 개발했습니다.

ORNL과 녹스빌 소재 테네시 대학교 연구원들은 자율 실험을 위한 물리학 기반의 능동 학습 방법을 만들었습니다. 이 소프트웨어 제품군은 능동 학습 알고리즘, 현미경용 제어 소프트웨어 및 과학적 발견을 촉진하는 기타 실험 도구로 구성됩니다.