Neuro Sova – про науку и технику

Гибридные материалы на основе висмута обеспечивают создание высокочувствительных и экологичных рентгеновских детекторов

Рентгеновская визуализация незаменима в медицинской диагностике и анализе материалов 🌟. Для создания изображения детектор преобразует рентгеновские лучи, прошедшие через объект, в электрические сигналы. Чувствительность детектора напрямую влияет на дозу облучения: чем она выше, тем безопаснее процедура для пациентов 🏥💡.

Современные детекторы обычно изготавливают из неорганических соединений с элементами средней и высокой атомной массы. В последние годы также тестируют перовскитные соединения, показавшие отличные результаты 📈.

Новое открытие: команда под руководством профессора Олены Маслянчук из HZB доказала, что два новых гибридных материала на основе висмута [(CH₃CH₂)₃S]₆Bi₈I₃₀ и [(CH₃CH₂)₃S]AgBiI₅ эффективны для детектирования рентгена 🧪🚀. Эти материалы, разработанные доктором Алланом Старкхольмом в Королевском технологическом институте Швеции, сочетают высокую атомную массу, оптимальную ширину запрещённой зоны и стабильность благодаря сульфониевым катионам (вместо гигроскопичных аммониевых) 🔬.

Производство материалов экологично: метод шарового помола, используемый в коллаборации с экспертом BAM Франциской Эммерлинг, позволяет создавать плотные поликристаллические гранулы, пригодные для промышленного масштабирования ♻️.

Тесты под руководством доктора Феликса Ланга из Потсдамского университета показали, что новые детекторы в 100 раз чувствительнее коммерческих аналогов (например, аморфного селена или CdZnTe) и фиксируют дозы рентгена в 50 раз ниже 📉💥. Даже при интенсивном облучении на установке BESSY II материалы сохраняли стабильность без деградации — ключевой фактор для долговечности 🔋.

«Эти материалы открывают новые горизонты для гибридных технологий — не только в фотовольтаике, но и в рентгенографии. Более чувствительные детекторы снизят лучевую нагрузку на пациентов», — подчеркивает Маслянчук 🌍. Следующий шаг — сотрудничество с компаниями в Адлерсхофе для оптимизации разработки 👥🔜.

Источник