04. November 2023 (Nanowerk-Neuigkeiten) Zweidimensionale (2D) Materialien – Materialien, die nur wenige Atome dick sind – können aufgrund der Quantenmechanik besondere Eigenschaften haben. Das Besondere an diesen Materialien sind oft ihre Mängel. Es gibt jedoch eine Vielzahl potenzieller Mängel, und nicht alle sind nützlich. Das macht es für Wissenschaftler zu einer Herausforderung, diese Materialien zu untersuchen. Um diese Herausforderung zu lösen, haben Forscher eine automatisierte Methode entwickelt, um einen wichtigen Teil des 2D-Materialpuzzles zu analysieren – wie Materie mit elektromagnetischer Strahlung interagiert. Die Methode kombiniert Rastertunnelmikroskopie (STM) mit künstliche Intelligenz (KI) und maschinelles Lernen (ML). Diese Kombination führt zu einer schnelleren und zuverlässigeren Möglichkeit, atomare und elektronische Merkmale abzubilden. Damit können Forscher das Spektrum atomarer Defekte und elektronische Fingerabdrücke von Materialien untersuchen. Es ist auch für Benutzer, die keine STM-Experten sind, relativ einfach zu bedienen. Die Ergebnisse wurden in veröffentlicht npj Computermaterialien („Autonome Rastersondenmikroskopie-Untersuchungen über WS2 und Au{111}“).
Die Abbildung zeigt ein autonomes Experiment, das eine ultrascharfe Rastersondenmikroskop-Spitze (SPM) über eine zweidimensionale Materialoberfläche lenkt und die lokalen atomaren und elektronischen Strukturen erfasst. (Bild: Lawrence Berkeley National Laboratory) Die neue Methode ermöglicht es Forschern, 2D-Oberflächen vollständig zu untersuchen. Es bietet eine Möglichkeit zum autonomen Experimentieren, die schnell und zugänglich ist. Dies öffnet die Tür zur detaillierten Erforschung neuartiger Materialien, einschließlich Quantenmaterialien. Die Techniken und die Software könnten auf andere Techniken der Rastersondenmikroskopie ausgeweitet werden. Die Forscher haben die Methode in einem benutzerfreundlichen, frei zugänglichen und anpassbaren Softwarepaket zusammengefasst. Zweidimensionale Materialsysteme sind aufgrund des enormen funktionalen Phasenraums, der von isolierenden bis hin zu leitenden Eigenschaften reicht und durch Defekte auf atomarer und nanoskaliger Ebene gesteuert wird, die durch Schichtdicke, Heterostrukturstapelung, Verdrillung und andere Methoden eingestellt werden können, sehr gefragt. Techniken, die spektroskopische Erkenntnisse liefern, wie z. B. STM, sind für Forscher, die nanodefekte Zustände mit makroskopischen Eigenschaften korrelieren, äußerst wichtig. Während die hyperspektrale Rastertunnelspektroskopie-Bildgebung wichtige Einblicke in heterogene elektronische Eigenschaften auf atomarer Ebene liefert, wird ihre Analyse durch den enormen Zeitaufwand erschwert. Beispielsweise würde die Analyse einer hyperspektralen optischen Karte, die mit 2 Minuten pro Punkt in einem 10 x 150 Pixel großen Raster erstellt wurde, weit über einen Monat dauern. Das Forschungsteam der Molecular Foundry des Lawrence Berkeley National Laboratory, einer Benutzereinrichtung des Department of Energy Office of Science, entwickelte ein Mittel zur Durchführung räumlich dichter, punktueller spektroskopischer Messungen mit einem STM in Kombination mit KI und ML. Dieser Ansatz liefert schnellere und genauere statistisch gemittelte Daten, die spektroskopische Signaturen heterogener Oberflächen abbilden und identifizieren. Mit Wolframdisulfid (WS2) und Goldoberflächen (Au-111) als Benchmark demonstrierte das Team, wie man Messungen mit reproduzierbaren resultierenden Spektren durchführt und wie man eine statistisch signifikante elektronische Strukturcharakterisierung der verschiedenen intrinsischen Defekte erstellt, die in interessierenden Proben gefunden werden können.
Die Abbildung zeigt ein autonomes Experiment, das eine ultrascharfe Rastersondenmikroskop-Spitze (SPM) über eine zweidimensionale Materialoberfläche lenkt und die lokalen atomaren und elektronischen Strukturen erfasst. (Bild: Lawrence Berkeley National Laboratory) Die neue Methode ermöglicht es Forschern, 2D-Oberflächen vollständig zu untersuchen. Es bietet eine Möglichkeit zum autonomen Experimentieren, die schnell und zugänglich ist. Dies öffnet die Tür zur detaillierten Erforschung neuartiger Materialien, einschließlich Quantenmaterialien. Die Techniken und die Software könnten auf andere Techniken der Rastersondenmikroskopie ausgeweitet werden. Die Forscher haben die Methode in einem benutzerfreundlichen, frei zugänglichen und anpassbaren Softwarepaket zusammengefasst. Zweidimensionale Materialsysteme sind aufgrund des enormen funktionalen Phasenraums, der von isolierenden bis hin zu leitenden Eigenschaften reicht und durch Defekte auf atomarer und nanoskaliger Ebene gesteuert wird, die durch Schichtdicke, Heterostrukturstapelung, Verdrillung und andere Methoden eingestellt werden können, sehr gefragt. Techniken, die spektroskopische Erkenntnisse liefern, wie z. B. STM, sind für Forscher, die nanodefekte Zustände mit makroskopischen Eigenschaften korrelieren, äußerst wichtig. Während die hyperspektrale Rastertunnelspektroskopie-Bildgebung wichtige Einblicke in heterogene elektronische Eigenschaften auf atomarer Ebene liefert, wird ihre Analyse durch den enormen Zeitaufwand erschwert. Beispielsweise würde die Analyse einer hyperspektralen optischen Karte, die mit 2 Minuten pro Punkt in einem 10 x 150 Pixel großen Raster erstellt wurde, weit über einen Monat dauern. Das Forschungsteam der Molecular Foundry des Lawrence Berkeley National Laboratory, einer Benutzereinrichtung des Department of Energy Office of Science, entwickelte ein Mittel zur Durchführung räumlich dichter, punktueller spektroskopischer Messungen mit einem STM in Kombination mit KI und ML. Dieser Ansatz liefert schnellere und genauere statistisch gemittelte Daten, die spektroskopische Signaturen heterogener Oberflächen abbilden und identifizieren. Mit Wolframdisulfid (WS2) und Goldoberflächen (Au-111) als Benchmark demonstrierte das Team, wie man Messungen mit reproduzierbaren resultierenden Spektren durchführt und wie man eine statistisch signifikante elektronische Strukturcharakterisierung der verschiedenen intrinsischen Defekte erstellt, die in interessierenden Proben gefunden werden können.
- SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
- PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
- PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
- PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
- PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
- Quelle: https://www.nanowerk.com/nanotechnology-news2/newsid=63999.php
