Esquerda:Imagem STM de alta resolução de uma nanopartícula de prata de 374 átomos de prata cobertos por 113 moléculas de TBBT. À direita:uma imagem STM simulada de uma orientação da partícula. Centro:a estrutura atômica da partícula. Crédito:Academia da Finlândia
Usando microscopia de tunelamento de varredura (STM), imagens de resolução extremamente alta das estruturas de superfície cobertas por moléculas de nanopartículas de prata são possíveis, até mesmo no reconhecimento de partes individuais das moléculas que protegem a superfície. Esta foi a conclusão de uma pesquisa conjunta entre China e Finlândia, liderado na Finlândia pelo professor da Academia Hannu Häkkinen da Universidade de Jyväskylä. A pesquisa foi publicada recentemente na prestigiosa Nature Communications série e a publicação foi selecionada pelos editores da revista para a coleção mensal da revista de artigos destacados.
Estudar as estruturas de superfície das nanopartículas em resolução atômica é vital para compreender as propriedades químicas de suas estruturas, interações moleculares e o funcionamento das partículas em seus ambientes. A pesquisa experimental em estruturas de superfície há muito envolve técnicas de imagem adequadas para resolução em nível de nanômetro, o mais comum dos quais é baseado em tunelamento de elétrons, a microscopia de tunelamento de varredura (STM) acima mencionada, e microscopia de força atômica (AFM) com base na medição de pequenas, forças em escala atômica.
Contudo, alcançar a resolução molecular em imagens tem se mostrado altamente desafiador, por exemplo, porque a curvatura do objeto a ser visualizado, ou seja, a superfície da nanopartícula, é da mesma ordem que a curvatura da ponta de digitalização. As medições também são sensíveis a perturbações ambientais, que pode afetar o movimento térmico das moléculas, por exemplo.
Os pesquisadores usaram nanopartículas de prata previamente caracterizadas, com uma estrutura atômica conhecida. O núcleo metálico das partículas possui 374 átomos de prata e a superfície é protegida por um conjunto de 113 moléculas de TBTT. TBBT (terc-butil-benzeno tiol) é uma molécula com três grupos separados de carbono em sua extremidade. A superfície externa da partícula tem um total de 339 desses grupos. Quando este tipo de amostra de nanopartículas foi fotografada em baixas temperaturas no experimento STM, modulações sequenciais claras foram observadas na corrente de tunelamento formada pela imagem (veja a parte esquerda da imagem). Modulações semelhantes foram observadas quando moléculas individuais de TBBT foram fotografadas em uma superfície plana.
Com base na teoria do funcional de densidade (DFT), as simulações realizadas pela equipe de pesquisa de Häkkinen mostraram que cada um dos três grupos de carbono da molécula TBBT fornece seu próprio máximo atual na imagem STM (veja a parte direita da imagem) e que as distâncias entre os máximos corresponderam aos resultados da medição STM . Isso confirmou que a medição foi bem-sucedida em nível submolecular. As simulações também previram que a medição precisa de STM não pode mais ser bem-sucedida em temperatura ambiente, já que o movimento térmico das moléculas é tão alto que os máximos atuais dos grupos de carbono individuais se misturam ao fundo.
"Esta é a primeira vez que a imagem STM de estruturas de superfície de nanopartículas foi capaz de 'ver' as partes individuais das moléculas. Nosso trabalho computacional foi importante para verificar os resultados experimentais. No entanto, queríamos dar um passo adiante. Como a estrutura atômica das partículas é bem conhecida, tínhamos motivos para perguntar se a orientação precisa da partícula imageada poderia ser identificada por meio de simulações, "diz Häkkinen, descrevendo a pesquisa.
Para este fim, O grupo de Häkkinen computou uma imagem STM simulada da partícula de prata de 1, 665 orientações diferentes e desenvolveu um algoritmo de reconhecimento de padrão para determinar quais imagens simuladas melhor corresponderam aos dados experimentais.
“Acreditamos que nosso trabalho demonstra uma nova estratégia útil para a geração de imagens de nanoestruturas. No futuro, algoritmos de reconhecimento de padrões e inteligência artificial baseados em aprendizado de máquina se tornarão indispensáveis para a interpretação de imagens de nanoestruturas. Nosso trabalho representa o primeiro passo nessa direção. É por isso que também decidimos distribuir abertamente o software de reconhecimento de padrões que desenvolvemos para outros pesquisadores, "diz Häkkinen.
A síntese de nanopartículas foi realizada na Universidade de Xiamen pelo grupo de pesquisa do professor Nanfeng Zheng e as medições STM foram realizadas no Instituto de Física Química de Dalian sob a direção do Professor Zhibo Man. Ph.D. o aluno Sami Kaappa e o pesquisador sênior Sami Malola do grupo do professor Häkkinen realizaram os cálculos para o projeto. A pesquisa do grupo do Professor Häkkinen está recebendo financiamento do programa AIPSE da Academia da Finlândia. O CSC - Centro de TI para Ciência da Finlândia e o Centro de Supercomputação de Barcelona forneceram os recursos para todas as simulações que requerem computação de alta potência. As simulações de Barcelona fizeram parte do projeto NANOMETALS apoiado pela organização PRACE.