Npj Comput. Mater.: 揭秘纳米世界:四维STEM与AI的先进成像技术

学术   2024-12-03 11:30  

海归学者发起的公益学术平台

分享信息,整合资源

交流学术,偶尔风月

高能电子在穿过物质时对局部结构极为敏感,能够收集大量关于晶格缺陷与应变、电磁性质、化学成分及电子结构的信息。这种灵敏度被应用在透射电子显微镜(TEM)中来研究结构与性质的关系,人们在提高分辨率、加快成像速度和开发新的成像方式等方面也不懈努力。高动态范围直接电子探测器的出现引发了一个真正的范式转变,它不再依赖于将电子转化为光子,使空间分辨衍射成像成为可能,为四维扫描透射电子显微镜(4D-STEM)的高分辨率测量提供了新的机会。4D-STEM的一个显著优势在于出色的信息密度,在每个探针位置上都会获得动态散射电子的图像。然而,由于缺乏能够充分解释多种动态散射过程的经验模型以及变化的信噪比,4D-STEM数据的分析常常受到挑战。



Fig. 1 | Scanning electron diffraction on ferroelectric domains in Er(Mn,Ti)O3.


近年来,机器学习方法在显微学中的应用呈指数级增长,用于加速各种科学任务,包括实时数据缩减、分割和自动化实验。此外,机器学习还可以用于解开多模态纳米光谱成像中的特征,且具有更好的统计意义。通过精心设计的机器学习架构和定制的正则化策略,可以从多模态成像中以纳米尺度空间分辨率统计地分离和解释功能材料的结构特性。

 

Fig. 2 | Structure of the custom CA. 


来自挪威科技大学材料科学与工程系的Ursula Ludacka等人,展示了一种在纳米尺度上成像和表征铁电材料的方法。作者应用4D-STEM,研究了单轴铁电氧化物中的铁电畴、畴壁和涡旋结构,利用电子散射同时进行了高分辨成像和局部结构分析。通过将自定义正则化的卷积自编码器应用于在从模型系统Er(Mn,Ti)O3上获得的扫描电子衍射SED数据,统计性地解开了与铁电畴、畴壁的特定结构畸变以及畴壁电荷状态相关的特征,获得了铁电畴、畴壁及其涡旋状交汇点的实空间图像。类似于对Er(Mn,Ti)O3数据集进行专门训练,这一模型也可以针对其他系统进行训练和定制。该模型的核心元素,包括其架构、正则化技术和超参数调优方法,能广泛适用于高维成像模式,而不仅限于铁电材料。

 

Fig. 3 | Domains and domain walls extracted via the CA. 


该方法提供了一种强大的手段,将纳米级成像与结构解卷积相结合,为改进结构-性质关系的研究、提高测量精度以及自动化科学实验开辟了新的路径。该文近期发表于npj ComputationaMaterials  10: 106 (2024)英文标题与摘要如下,点击左下角“阅读原文”可以自由获取论文PDF。


Imaging and structure analysis of ferroelectric domains, domain walls, and vortices by scanning electron diffraction


Ursula Ludacka, Jiali He, Shuyu Qin, Manuel Zahn, Emil Frang Christiansen, Kasper A. Hunnestad, Xinqiao Zhang, Zewu Yan, Edith Bourret, István Kézsmárki, Antonius T. J. van Helvoort, Joshua Agar & Dennis Meier 

Direct electron detectors in scanning transmission electron microscopy give unprecedented possibilities for structure analysis at the nanoscale. In electronic and quantum materials, this new capability gives access to, for example, emergent chiral structures and symmetry-breaking distortions that underpin functional properties. Quantifying nanoscale structural features with statistical significance, however, is complicated by the subtleties of dynamic diffraction and coexisting contrast mechanisms, which often results in a low signal-to-noise ratio and the superposition of multiple signals that are challenging to deconvolute. Here we apply scanning electron diffraction to explore local polar distortions in the uniaxial ferroelectric Er(Mn,Ti)O3. Using a custom-designed convolutional autoencoder with bespoke regularization, we demonstrate that subtle variations in the scattering signatures of ferroelectric domains, domain walls, and vortex textures can readily be disentangled with statistical significance and separated from extrinsic contributions due to, e.g., variations in specimen thickness or bending. The work demonstrates a pathway to quantitatively measure symmetry-breaking distortions across large areas, mapping structural changes at interfaces and topological structures with nanoscale spatial resolution.



扩展阅读

 
Npj Comput. Mater.:  数据驱动寻找:化学逆向合成路径
Npj Comput. Mater.:  生成式机器学习:设计复杂成分的共晶合金
Npj Comput. Mater.:  合金元素“兄弟”们如何列阵才能对抗烈焰腾腾?
Npj Comput. Mater.:  一步形成层间激子:“魔角”调控

媒体转载联系授权请看下方

知社学术圈
海归学者发起的公益学术交流平台,旨在分享学术信息,整合学术资源,加强学术交流,促进学术进步
 最新文章