Home arrow Meldungen arrow News arrow Nanopartikel bleiben unberechenbar
Dienstag, 17. Oktober 2017
 
 
analytik.de
analytik.de - news
Nanopartikel bleiben unberechenbar
ImageDas Verhalten von Kleinstteilchen in der Umwelt ist äusserst komplex. Um dieses umfassend zu verstehen, fehlt es heute an systematischen Experimentaldaten, wie ETH-Umweltwissenschaftler in einer grossen Übersichtsstudie zeigen. Eine standardisiertere Herangehensweise würde das Forschungsfeld weiterbringen. 

Die Nanotech-Industrie boomt. Jährlich werden weltweit mehrere Tausend Tonnen künstliche Nanopartikel hergestellt. Ein Teil davon gelangt früher oder später in Gewässer und Böden. Was dort mit ihnen genau geschieht, können selbst Experten nur schwer sagen. Die Frage ist komplex, denn es gibt viele verschiedene Arten von künstlichen Nanopartikeln. Und vor allem: Die Partikel verhalten sich in der Umwelt je nach herrschenden Bedingungen völlig unterschiedlich.

Forschende um Martin Scheringer, Privatdozent am Departement Umweltsystemwissenschaften, wollten Licht ins Dunkel bringen. Sie suchten in 270 wissenschaftlichen Studien und den beinahe 1000 darin erwähnten Laborexperimenten zum Verhalten von künstlichen Nanopartikeln nach Mustern. Dies mit dem Ziel, allgemeingültige Voraussagen zum Verhalten der Partikel zu machen.

Partikel heften sich an alles

Den Forschenden präsentierte sich beim Kombinieren der Daten jedoch ein sehr uneinheitliches Bild. «Der Sachverhalt ist komplexer, als das wohl viele Wissenschaftler noch vor Jahren vorausgesagt hätten», sagt Scheringer. «Und wir müssen einsehen, dass wir mit den uns heute zur Verfügung stehenden Daten noch kein einheitliches Bild zeichnen können.»

Nicole Sani-Kast, Doktorandin in der Gruppe von Scheringer und Erstautorin der in der Fachzeitzeitschrift PNAS veröffentlichten Analyse, ergänzt: «Künstliche Nanopartikel verhalten sich sehr dynamisch, und sie sind sehr reaktionsfreudig. Die Teilchen heften sich an alles, was sie finden: an andere Nanopartikel, um mit ihnen Agglomerate zu bilden, oder andere in der Umwelt vorhandene Moleküle.»

Netzwerk-Analyse

Womit genau die Teilchen reagieren und wie schnell, hängt von verschiedenen Faktoren ab: dem Säuregrad von Wasser oder Boden, der Konzentration der vorhandenen Mineralstoffe und Salze und vor allem der Zusammensetzung der im Wasser gelösten oder im Boden vorhandenen organischen Moleküle. Ausserdem macht die Tatsache, dass künstliche Nanopartikel oft oberflächenbeschichtet sind, die Sache noch komplizierter: Denn je nach Umweltbedingungen behalten oder verlieren die Partikel ihre Beschichtung, was wiederum ihr Reaktionsverhalten beeinflusst.

Um die in der Literatur veröffentlichten Resultate auszuwerten, wandte ETH-Doktorandin Sani-Kast erstmals in diesem Forschungsfeld eine Netzwerk-Analyse an, wie sie zum Beispiel aus der Sozialforschung zum Erfassen von Netzwerken sozialer Beziehungen bekannt ist. Damit konnte sie zeigen, dass die vorhandenen Daten wenig divers, wenig konsistent und wenig strukturiert sind.

Mehr Systematik für maschinelles Lernen

«Wären strukturierte, konsistentere und ausreichend diverse Daten vorhanden, wäre es denkbar, mit den Methoden des Maschinellen Lernens allgemeingültige Muster zu entdecken», sagt Scheringer. «Wir sind allerdings noch nicht an diesem Punkt.» Zunächst müssten ausreichend strukturierte Experimentaldaten vorhanden sein.

«Damit die Wissenschaftsgemeinschaft jedoch systematisch und standardisiert solche Experimente durchführt, wäre wohl irgendeine Art von Koordination nötig», ergänzt ETH-Doktorandin Sani-Kast, doch sie weiss, dass solche Arbeiten schwierig zu koordinieren sind. Es entspricht eher der Natur und den Vorlieben von Wissenschaftlern, neue Methoden zu entwickeln und zuvor nicht analysierte Umweltbedingungen zu untersuchen, als routinemässig standardisierte Experimente durchführen.


Den Artikel finden Sie unter:

https://www.ethz.ch/de/news-und-veranstaltungen/eth-news/news/2017/04/nanopartikel-bleiben-unberechenbar.html

Quelle: Eidgenössische Technische Hochschule Zürich (ETH Zürich)  (04/2017)
 
 
  Top
LogIn