(a) Uma imagem HAADF de uma nanopartícula de ouro em forma de haste. Os pontos brilhantes correspondem a átomos individuais. (b) Deslocamentos atômicos brutos calculados por meio de um método convencional. Deslocamentos maiores em qualquer direção são mostrados em azul mais escuro e amarelo mais claro. O ruído na medição pode ser apreciado na granularidade da imagem. (c) Os verdadeiros deslocamentos previstos pelo GPR. O componente de ruído foi removido com sucesso. (d) Mapa de deformações locais no nanorod. Ambas as extremidades da tampa exibem áreas amarelas brilhantes, indicando a tensão de tração ao longo do eixo longo. (e) Comparação com o método convencional. Usando GPR, a cepa local mínima detectável foi melhorada de 1,1% para 0,2%. Crédito:Kohei Aso de JAIST.
As vezes, propriedade de um material, como magnetismo e catálise, pode mudar drasticamente devido a nada mais do que mudanças mínimas na separação entre seus átomos, comumente referido como 'tensões locais' na linguagem da ciência dos materiais. Uma medida precisa de tais cepas locais é, Portanto, importante para cientistas de materiais.
Uma técnica poderosa empregada para este propósito é a 'imagem anular de campo escuro de alto ângulo' (HAADF), uma abordagem dentro da microscopia eletrônica de transmissão de varredura que produz imagens com pontos brilhantes que teoricamente coincidem com as posições atômicas. Contudo, na prática, As imagens HAADF são frequentemente distorcidas devido a ruídos mecânicos e elétricos no aparelho, limitando as menores cepas locais mensuráveis a pouco mais de 1%.
Agora, uma equipe de cientistas liderada pelo Professor Assistente Kohei Aso do Instituto Avançado de Ciência e Tecnologia do Japão (JAIST), Japão, alavancaram um método do campo da ciência de dados para medir a distribuição de tensão em materiais com mais precisão, melhorando a precisão da imagem HAADF. Este estudo, publicado em ACS Nano , foi realizado em colaboração com o professor Yoshifumi Oshima do JAIST, em seguida, o estudante de graduação Jens Maebe, pós-doutorado Xuan Quy Tran, Professor Assistente Tomokazu Yamamoto, e o professor Syo Matsumura da Universidade de Kyushu, Japão.
A equipe combinou a imagem HAADF com a regressão do processo Gaussiano (GPR), uma técnica de processamento de dados comumente usada em aprendizado de máquina e áreas como economia e geologia. Em um processo gaussiano, o verdadeiro estado dos dados (neste caso, posições atômicas ou deslocamento) é assumido como representado por uma função suave, e ruído aleatório é adicionado a este 'estado verdadeiro' quando os dados são observados. Ao reverter esse processo por meio do GPR, pode-se estimar com mais precisão as verdadeiras posições dos átomos, e assim calcular cepas locais com maior precisão. Especificamente, o método proposto possibilitou à equipe medir a deformação com precisão de 0,2%.
A equipe demonstrou o potencial de sua abordagem medindo cepas locais em nanoestruturas de ouro e comparando cepas de tração em uma nanosfera de ouro com aquelas em nanobastões de ouro (essencialmente cilindros com tampas hemisféricas) de comprimentos diferentes. Essas comparações revelaram que as distribuições de cepas em nanopartículas de ouro variaram dependendo de sua forma, com nanobastões exibindo uma tensão de tração de cerca de 0,5% perto da região onde a curvatura muda abruptamente. O Dr. Aso explica que "sabe-se que as nanopartículas esféricas de ouro são submetidas a tensões uniformes em toda a sua superfície, e essa tensão é proporcional à tensão superficial. Assim, deformação compressiva uniforme ocorre na direção perpendicular à superfície. Em contraste, em nanobastões de ouro, a tensão aplicada à superfície torna-se não uniforme, e os cientistas teorizaram que a tensão de tração deveria ocorrer em certos lugares. Contudo, isso não havia sido provado experimentalmente, até agora."
Com essas descobertas, a equipe está entusiasmada com as perspectivas futuras de sua estratégia de medição de deformação. "Nossa técnica fornecerá informações detalhadas sobre o mundo atômico, o que é necessário para o desenvolvimento de materiais e dispositivos inovadores com alto desempenho e tamanho reduzido. Isso pode ser útil para o desenvolvimento de dispositivos e sensores que empregam materiais e estruturas em nanoescala. Além disso, o método não requer modificações caras ou procedimentos complicados e pode ser prontamente adotado, "diz o Dr. Aso.