Wetenschap
Eerste 3D-chemische beeldvorming op nanoschaal met hoge resolutie bereikt met multimodale tomografie
Door gebruik te maken van een slim leeralgoritme dat twee microscopiesignalen combineert, hebben onderzoekers van de Universiteit van Michigan voor het eerst efficiënte 3D-chemische beeldvorming met hoge resolutie op de schaal van één nanometer gerealiseerd. Ter context:een nanometer is een miljoenste van een millimeter, oftewel een honderdduizendste van de breedte van een mensenhaar.
"Het zien van onzichtbare werelden, veel kleiner dan de golflengten van licht, is absoluut cruciaal voor het begrijpen van de materie die we op nanoschaal ontwikkelen, niet alleen in 2D maar ook in 3D", zegt Robert Hovden, universitair hoofddocent materiaalkunde en techniek. aan de U-M en corresponderend auteur van de studie gepubliceerd in Nature Communications .
"Door gebruik te maken van onze kennis van het beeldvormingsproces en een nieuwe benadering van tomografische reconstructie te volgen, zijn we nu in staat om tegelijkertijd structuur en chemische samenstelling met hoge resolutie in 3D in beeld te brengen. Dit is een bijzonder nuttige aanpak voor complexe en heterogene materialen", aldus Mary Scott, bijdragende auteur van het onderzoek en Ted van Duzer Associate Professor van de UC Berkeley Department of Materials Science and Engineering en faculteitsstafwetenschapper in de Molecular Foundry Division van het Lawrence Berkeley National Laboratory.
Tot nu toe moesten onderzoekers op het gebied van nanomaterialen kiezen tussen het in beeld brengen van de 3D-structuur of de 2D-chemische distributie.
Beide beeldvormingstechnieken maken gebruik van een scanning-transmissie-elektronenmicroscoop, die een elektronenbundel met hoge energie door een monstermateriaal versnelt. Deze hoogenergetische elektronen kunnen structuren oplossen op afstanden die kleiner zijn dan de bindingslengte van atomen. Beeldvorming met hoge resolutie vereist echter een aanzienlijke hoeveelheid dosis of energie om de atomaire structuur of chemie efficiënt vast te leggen.
Meestal ligt de dosis die nodig is voor chemische beeldvorming precies op de grens van het materiaal, waarbij monsters zullen beginnen te smelten als ze nog langer aan de straal worden blootgesteld. Dit heeft vooral gevolgen voor chemische 3D-beeldvorming, waarvoor veel chemische beelden moeten worden gemaakt.
3D-beeldvorming op nanoschaal werkt op dezelfde manier als een medische CT-scan, waarbij apparatuur rond een patiënt draait om beelden onder meerdere hoeken te verzamelen om interne structuren in 3D te bekijken.
In plaats daarvan blijft bij elektronentomografie – de favoriete methode voor 3D-beeldvorming op nanoschaal – de elektronenbundel stationair terwijl het monster eromheen kantelt. Dit brengt echter zijn eigen complicaties met zich mee, waarbij onderzoekers hun steekproef niet volledig in beeld kunnen brengen en moeten vertrouwen op machine learning-algoritmen om weergaven vanuit niet-beschikbare hoeken te voorspellen.
‘Structuur is één ding, maar als je de oxidelaag op een transistor of de verdeling van zuurstof in een nanodeeltje wilt zien dat is ontworpen voor toepassingen op het gebied van schone energie, moet je de chemie op nanoschaal zien, wat je niet kunt krijgen met elektronentomografie. alleen", zei Hovden.
Om het probleem van de energiedosis te overwinnen, ontwikkelde het onderzoeksteam een nieuw proces dat bekend staat als 'multimodale elektronentomografie' om beelden bij elke kantelhoek te verzamelen, terwijl chemische beelden om de paar kantelhoeken schaars worden verzameld. Een multimodaal algoritme neemt vervolgens de informatie voor beide signaaltypen en voert de 3D-structuur en chemie uit.
Door signalen te mengen is een reductie van de energiedosis mogelijk die ongeveer 100 keer zo groot is, zodat het monster niet wordt vernietigd voordat de beeldvorming is voltooid.
De resultaten tonen aan dat de techniek in staat is om zowel organische verbindingen als metalen tegelijkertijd in beeld te brengen, wat het gebruik van de techniek op een breed scala aan materialen bewijst.
"Onze oplossing maakt gebruik van alle complementaire signalen die aanwezig zijn in onze microscoop door de communicatie te bevorderen tussen een signaal dat niet veel dosis nodig heeft en een signaal dat zeer dosisverslindend is", zegt Jonathan Schwartz, gepromoveerd in de materiaalkunde en techniek van U-M en hoofdauteur van het onderzoek.
De twee beeldvormingstechnieken zijn afhankelijk van verschillende fysieke eigenschappen van elektronen terwijl ze door een materiaal bewegen. 3D-beeldvorming is gebaseerd op elastische verstrooiing, waarbij elektronen geen energie verliezen als ze door het monster gaan. Bij chemische beeldvorming vergroot de elektronenbundel met hogere energie de kans op de zeldzamere gebeurtenis van inelastische verstrooiing, waarbij elektronen een specifieke hoeveelheid energie verliezen die het element weerspiegelt waarmee ze in botsing zijn gekomen, wat een unieke chemische signatuur oplevert.
"Dit is een radicaal nieuwe benadering van hoe we signalen van elastisch en inelastisch verstrooide elektronen mixen en gebruiken", zegt Hovden.
Naast de chemische distributie biedt de machine learning-output zelfs informatie over stoichiometrie, of de verhoudingen van elementen in het materiaal. Voor elk motief in ijzeroxide (Fe2 O3 ), zou je twee ijzeratomen kunnen hebben voor elke drie zuurstofatomen, of misschien twee ijzeratomen voor elke twee zuurstofatomen.
"Omdat het algoritme de ontbinding van de aanwezige elementen probeert te achterhalen, geeft het de verhouding van de chemie vrij goed weer. Dat kregen we gratis als onderdeel van het optimalisatieproces van ons algoritme", zegt Schwartz, nu wetenschapper aan de Chan Zuckerberg Imaging Instituut.
Hovden schrijft het succes van de techniek toe aan het gebruik van natuurkunde, materiaalkunde en moderne informatica.
"De eerste stap is het begrijpen van de fysica van de elektronen die interageren met de materie onder onze microscoop voor elke detector. De computerwetenschap koppelt al deze detectoren aan elkaar om een compleet beeld te creëren. Het is een geheel nieuwe ruimte om op dit gebied te spelen", zegt hij. Hovden.
Het combineren van twee verschillende signalen om informatie te verbeteren – ook wel bekend als multimodale beeldvorming – wint terrein in de techniek. Methaanlekken kunnen worden opgespoord en aangepakt met behulp van satellietbeelden in combinatie met thermische of chemische detectie. Zelfrijdende auto's combineren signalen van teledetectie, die terreininformatie leveren, met signalen van de auto om de navigatie te verbeteren.
"Dit is een van de eerste grote resultaten van de kracht van multimodaliteit in ons vakgebied. Het is opwindend om nog steeds nieuwe manieren te vinden om materie op deze kleine schaal te bekijken", aldus Hovden.