Atomer är de grundläggande byggstenarna för alla material. För att skräddarsy funktionella egenskaper, det är viktigt att noggrant bestämma deras atomära strukturer. KAIST-forskare observerade 3D-atomstrukturen hos en nanopartikel på atomnivå via neural nätverksassisterad atomelektrontomografi.

Att använda en platinananopartikel som modellsystem, en forskargrupp ledd av professor Yongsoo Yang visade att en atomicitetsbaserad djupinlärningsmetod på ett tillförlitligt sätt kan identifiera 3D-ytans atomstruktur med en precision på 15 picometer (endast cirka 1/3 av en väteatoms radie). Atomförskjutningen, anstränga, och facettanalys avslöjade att ytans atomära struktur och stam är relaterade till både formen på nanopartikeln och partikel-substratgränssnittet. Denna forskning rapporterades i Naturkommunikation .

Kombinerat med kvantmekaniska beräkningar som densitetsfunktionsteori, förmågan att exakt identifiera ytatomär struktur kommer att fungera som en kraftfull nyckel för att förstå katalytisk prestanda och oxidationseffekt.

"Vi löste problemet med att bestämma 3D-ytans atomstruktur för nanomaterial på ett tillförlitligt sätt. Det har varit svårt att exakt mäta ytatomstrukturerna på grund av "problemet med den saknade kil" i elektrontomografi, som härrör från geometriska begränsningar, så att endast en del av ett helt tomografiskt vinkelområde kan mätas. Vi löste problemet med en djupinlärningsbaserad metod, " förklarade professor Yang.

Problemet med att kil saknas resulterar i förlängning och ringningsartefakter, negativt påverkar noggrannheten hos atomstrukturen bestämd från tomogrammet, speciellt för att identifiera ytstrukturerna. Problemet med den saknade kilen har varit den huvudsakliga vägspärren för den exakta bestämningen av 3D-ytatomära strukturer för nanomaterial.

Teamet använde atomelektrontomografi (AET), som i grunden är en mycket högupplöst CT-skanning för nanomaterial med hjälp av transmissionselektronmikroskop. AET tillåter individuell atom-nivå 3D-atomär strukturbestämning.

"Huvudidén bakom detta djupinlärningsbaserade tillvägagångssätt är atomicitet - det faktum att all materia är sammansatt av atomer. Detta betyder att äkta atomupplösningselektrontomogram endast bör innehålla skarpa 3D-atompotentialer hopvikta med elektronstråleprofilen, sa professor Yang.

"Ett djupt neuralt nätverk kan tränas med hjälp av simulerade tomogram som lider av saknade kilar som input, och jordens sanning 3D-atomvolymer som mål. Det utbildade nätverket för djupinlärning förstärker effektivt de ofullkomliga tomogrammen och tar bort artefakterna som är ett resultat av problemet med missing wedge."

Precisionen i 3D-atomstrukturen kan förbättras med nästan 70 % genom att tillämpa den djupinlärningsbaserade förstärkningen. Noggrannheten för identifiering av ytatomer förbättrades också avsevärt.

Struktur-egenskapsrelationer för funktionella nanomaterial, speciellt de som är starkt beroende av ytstrukturerna, såsom katalytiska egenskaper för bränslecellstillämpningar, kan nu avslöjas på en av de mest fundamentala skalorna:atomskalan.

Professor Yang avslutade, "Vi skulle vilja kartlägga 3D-atomstrukturen fullt ut med högre precision och bättre elementarspecificitet. Och inte begränsat till atomstrukturer, vi strävar efter att mäta det fysiska, kemisk, och funktionella egenskaper hos nanomaterial i 3D-atomär skala genom att vidareutveckla elektrontomografitekniker."