Observation af individuelle atomer i 3D nanomaterialer og deres overflader

Atomer er de grundlæggende byggesten for alle materialer. For at skræddersy funktionelle egenskaber, det er vigtigt at bestemme deres atomare strukturer nøjagtigt. KAIST-forskere observerede 3D-atomstrukturen af ​​en nanopartikel på atomniveau via neural netværksassisteret atomisk elektrontomografi.

Ved at bruge en platinnanopartikel som et modelsystem, et forskerhold ledet af professor Yongsoo Yang demonstrerede, at en atomicitetsbaseret tilgang til dyb læring pålideligt kan identificere 3D-overfladeatomstrukturen med en præcision på 15 picometer (kun omkring 1/3 af et brintatoms radius). Atomforskydningen, stamme, og facetanalyse afslørede, at overfladen atomare struktur og stamme er relateret til både formen af ​​nanopartikler og partikel-substrat grænsefladen. Denne undersøgelse blev rapporteret i Naturkommunikation .

Kombineret med kvantemekaniske beregninger såsom tæthedsfunktionsteori, evnen til præcist at identificere overfladens atomare struktur vil tjene som en stærk nøgle til at forstå katalytisk ydeevne og oxidationseffekt.

"Vi løste problemet med at bestemme 3D-overfladeatomstrukturen af ​​nanomaterialer på en pålidelig måde. Det har været vanskeligt at måle de atomare overfladestrukturer nøjagtigt på grund af "missing wedge-problemet" i elektrontomografi, som opstår af geometriske begrænsninger, tillader kun en del af et fuldt tomografisk vinkelområde at blive målt. Vi løste problemet ved at bruge en dyb læringsbaseret tilgang, " forklarede professor Yang.

Problemet med manglende kile resulterer i forlængelse og ringeartefakter, negativ indflydelse på nøjagtigheden af ​​atomstrukturen bestemt ud fra tomogrammet, især til at identificere overfladestrukturerne. Problemet med manglende kile har været den vigtigste vejspærring for den præcise bestemmelse af 3D-overfladeatomare strukturer af nanomaterialer.

Holdet brugte atomisk elektrontomografi (AET), som grundlæggende er en meget høj opløsning CT-scanning for nanomaterialer ved hjælp af transmissionselektronmikroskoper. AET tillader individuel atom-niveau 3D atomare strukturel bestemmelse.

"Hovedideen bag denne dybe læringsbaserede tilgang er atomicitet - det faktum, at alt stof er sammensat af atomer. Dette betyder, at ægte atomopløsningselektrontomogram kun bør indeholde skarpe 3D-atompotentialer, der er foldet sammen med elektronstråleprofilen, " sagde professor Yang.

"Et dybt neuralt netværk kan trænes ved hjælp af simulerede tomogrammer, der lider af manglende kiler som input, og jordens sandhed 3D atomvolumener som mål. Det trænede dybe læringsnetværk forstærker effektivt de ufuldkomne tomogrammer og fjerner artefakter som følge af problemet med manglende kile."

Præcisionen af ​​3D-atomstrukturen kan forbedres med næsten 70 % ved at anvende den dybe læringsbaserede augmentation. Nøjagtigheden af ​​overfladeatomidentifikation blev også væsentligt forbedret.

Struktur-egenskabsforhold for funktionelle nanomaterialer, især dem, der er stærkt afhængige af overfladestrukturerne, såsom katalytiske egenskaber til brændselscelleapplikationer, kan nu afsløres på en af ​​de mest fundamentale skalaer:den atomare skala.

Professor Yang konkluderede, "Vi vil gerne kortlægge 3D-atomstrukturen fuldt ud med højere præcision og bedre elementær specificitet. Og ikke begrænset til atomare strukturer, vi sigter mod at måle det fysiske, kemisk, og funktionelle egenskaber af nanomaterialer på 3D atomskala ved yderligere at fremme elektrontomografiteknikker."