Eigenschappen van materialen worden vaak bepaald door onvolkomenheden in hun atomaire structuur, vooral als het materiaal zelf maar één atoom dik is, zoals grafeen. Onderzoekers van de Universiteit van Wenen hebben nu een methode ontwikkeld voor het gecontroleerd creëren van dergelijke onvolkomenheden in grafeen op lengteschalen die de macroscopische wereld benaderen. deze resultaten, bevestigd door atomair opgeloste microscoopbeelden en gepubliceerd in het tijdschrift Nano-letters , dienen als een essentieel startpunt voor zowel het afstemmen van grafeen voor toepassingen als voor de ontwikkeling van nieuwe materialen.

Grafeen bestaat uit koolstofatomen die zijn gerangschikt in een kippengaaspatroon. Dit één atoom dikke materiaal staat bekend om zijn vele buitengewone eigenschappen, zoals extreme sterkte en opmerkelijk vermogen om elektriciteit te geleiden. Sinds zijn ontdekking, onderzoekers hebben gezocht naar manieren om grafeen verder aan te passen door gecontroleerde manipulatie van de atomaire structuur. Echter, tot nu, dergelijke wijzigingen zijn alleen lokaal bevestigd, vanwege uitdagingen in beeldvorming met atomaire resolutie van grote monsters en analyse van grote datasets.

Nu heeft een team rond Jani Kotakoski aan de Universiteit van Wenen samen met Nion Co. een experimentele opstelling gecombineerd die is gebouwd rond een Nion UltraSTEM 100-microscoop met atomaire resolutie en nieuwe benaderingen van beeldvorming en gegevensanalyse door middel van machinaal leren om controle op atomaire schaal van grafeen te brengen naar macroscopische steekproefomvang. De experimentele procedure wordt getoond in Figuur 1.

Het experiment begint met het reinigen van grafeen via laserbestraling, waarna het controleerbaar wordt gemodificeerd met behulp van bestraling met argonionen met lage energie. Nadat het monster onder vacuüm naar de microscoop is overgebracht, het wordt afgebeeld op atomaire resolutie met een automatisch algoritme. De opgenomen beelden worden doorgegeven aan een neuraal netwerk dat de atomaire structuur herkent en een uitgebreid overzicht geeft van de wijziging op atomaire schaal van het monster.

"De sleutel tot het succesvolle experiment was de combinatie van onze unieke experimentele opstelling met de nieuwe geautomatiseerde beeldvorming en machine learning-algoritmen, " zegt Alberto Trentino, de hoofdauteur van de studie. "Het ontwikkelen van alle benodigde onderdelen was een echte teamprestatie, en nu kunnen ze gemakkelijk worden gebruikt voor vervolgexperimenten, " gaat hij verder. Inderdaad, na deze bevestigde modificatie op atomaire schaal van grafeen over een groot gebied, de onderzoekers breiden de methode al uit om de gecreëerde structurele onvolkomenheden te gebruiken om onzuiverheidsatomen aan de structuur te verankeren. "We zijn enthousiast over het vooruitzicht om nieuwe materialen te creëren die zijn ontworpen vanaf het atomaire niveau, op basis van deze methode, "Jani Kotakoski, de leider van het onderzoeksteam, concludeert.