Cientistas do Laboratório Nacional de Brookhaven do Departamento de Energia dos EUA (DOE) desenvolveram uma nova abordagem para imagens de raios-X 3-D que podem visualizar materiais volumosos em grande detalhe - uma tarefa impossível com métodos de imagem convencionais. A nova técnica pode ajudar os cientistas a desvendar pistas sobre as informações estruturais de inúmeros materiais, de baterias a sistemas biológicos.

Os cientistas desenvolveram sua abordagem na National Synchrotron Light Source II de Brookhaven (NSLS-II) - um DOE Office of Science User Facility, onde os cientistas usam raios X ultrabrilhantes para revelar detalhes em nanoescala. A equipe está localizada na linha de luz Hard X-ray Nanoprobe (HXN) do NSLS-II, uma estação experimental que usa lentes avançadas para oferecer resolução líder mundial, até 10 nanômetros - cerca de um décimo milésimo do diâmetro de um fio de cabelo humano.

A HXN produz imagens de alta resolução notáveis ​​que podem fornecer aos cientistas uma visão abrangente das diferentes propriedades dos materiais em 2-D e 3-D. A linha de luz também possui uma combinação única de recursos in situ e operando - métodos de estudo de materiais em condições operacionais reais. Contudo, os cientistas que usam microscópios de raios-X têm sido limitados pelo tamanho e espessura dos materiais que podem estudar.

"A comunidade de imagens de raios-x ainda enfrenta grandes desafios para explorar totalmente o potencial de linhas de luz como HXN, especialmente para obter detalhes de alta resolução de amostras espessas, "disse Yong Chu, cientista-chefe da linha de luz na HXN. “Obtenção de qualidade, imagens de alta resolução podem se tornar um desafio quando um material é espesso, ou seja, mais espessa do que a profundidade de foco da ótica de raios-x. "

Agora, os cientistas da HXN desenvolveram uma abordagem eficiente para estudar amostras espessas sem sacrificar a excelente resolução que a HXN oferece. Eles descrevem sua abordagem em um artigo publicado na revista Optica .

"O objetivo final de nossa pesquisa é quebrar a barreira técnica imposta à espessura da amostra e desenvolver uma nova maneira de realizar imagens 3-D - que envolve fatiar matematicamente a amostra, "disse Xiaojing Huang, cientista da HXN e co-autor do artigo.

O método convencional de obtenção de uma imagem 3-D envolve a coleta e combinação de uma série de imagens 2-D. Para obter essas imagens 2-D, os cientistas normalmente giram a amostra 180 graus; Contudo, grandes amostras não podem girar facilmente dentro do espaço limitado dos microscópios de raios-X típicos. Esta limitação, além do desafio de obter imagens de amostras espessas, torna quase impossível reconstruir uma imagem 3-D com alta resolução.

"Em vez de coletar uma série de projeções 2-D girando a amostra, nós simplesmente 'cortamos' o material grosso em uma série de camadas finas, "disse o autor principal Hande Öztürk." Este processo de fatiamento é realizado matematicamente sem modificar fisicamente a amostra. "

Sua técnica se beneficia da ótica especial da HXN, chamadas de lentes Multilayer Laue (MLLs), que são projetados para focalizar os raios-x em um ponto minúsculo. Essas lentes criam condições favoráveis ​​para estudar fatias mais finas de materiais grossos, ao mesmo tempo em que reduz o tempo de medição.

"Os MLLs exclusivos da HXN têm uma alta eficiência de foco, para que possamos gastar muito menos tempo coletando o sinal de que precisamos, "disse Hanfei Yan, cientista da HXN e co-autor do artigo.

Ao combinar a ótica MLL e a abordagem multi-slice, os cientistas do HXN foram capazes de visualizar duas camadas de nanopartículas separadas por apenas 10 mícrons - cerca de um décimo do diâmetro de um cabelo humano - e com uma resolução 100 vezes menor. Adicionalmente, o método reduziu significativamente o tempo necessário para obter uma única imagem.

"Este desenvolvimento oferece uma oportunidade empolgante de realizar imagens 3-D em amostras que são muito difíceis de obter com métodos convencionais - por exemplo, uma bateria com uma célula eletroquímica complicada, "disse Chu. Ele acrescentou que esta abordagem pode ser muito útil para uma ampla variedade de aplicações futuras de pesquisa.