Primeira imagem química em nanoescala 3D de alta resolução obtida com tomografia multimodal
Recuperação em nanoescala de Au-Fe3 O4 superrede de nanopartículas. Crédito:Nature Communications (2024). DOI:10.1038/s41467-024-47558-0 Ao explorar um algoritmo de aprendizagem inteligente que funde dois sinais de microscopia, os pesquisadores da Universidade de Michigan obtiveram imagens químicas 3D eficientes e de alta resolução pela primeira vez na escala de um nanômetro. Para contextualizar, um nanômetro equivale a um milionésimo de milímetro, ou um centésimo milésimo da largura de um fio de cabelo humano.
"Ver mundos invisíveis, muito menores que os comprimentos de onda da luz, é absolutamente crítico para compreender a matéria que estamos projetando em nanoescala, não apenas em 2D, mas também em 3D", disse Robert Hovden, professor associado de ciência e engenharia de materiais. na U-M e autor correspondente do estudo publicado na Nature Communications .
"Aproveitando nosso conhecimento do processo de imagem e adotando uma nova abordagem para a reconstrução tomográfica, agora somos capazes de visualizar simultaneamente a estrutura e a composição química com alta resolução em 3D. Esta é uma abordagem especialmente útil para materiais complexos e heterogêneos", disse Mary Scott, autor colaborador do estudo e professor associado Ted van Duzer do Departamento de Ciência e Engenharia de Materiais da UC Berkeley e cientista do corpo docente da Divisão de Fundição Molecular do Laboratório Nacional Lawrence Berkeley.
Até este ponto, os pesquisadores de nanomateriais tiveram que escolher entre imagens de estrutura 3D ou distribuição química 2D.
Ambas as técnicas de imagem usam um microscópio eletrônico de transmissão de varredura, que acelera um feixe de elétrons de alta energia através de um material de amostra. Esses elétrons de alta energia podem resolver estruturas a distâncias menores que o comprimento da ligação dos átomos. No entanto, a imagem de alta resolução requer uma quantidade substancial de dose, ou energia, para capturar com eficiência a estrutura atômica ou a química.
Na maioria das vezes, a dose necessária para imagens químicas está exatamente no limite do material, onde as amostras começarão a derreter se forem expostas ao feixe por mais tempo. Isto é especialmente importante para imagens químicas 3D, que requerem a aquisição de muitas imagens químicas.
A imagem 3D em nanoescala funciona de forma semelhante a uma tomografia computadorizada médica, onde o equipamento gira em torno de um paciente para coletar imagens em vários ângulos para visualizar estruturas internas em 3D.
Em vez disso, com a tomografia eletrônica – o método preferido para imagens em nanoescala 3D – o feixe de elétrons permanece estacionário enquanto a amostra se inclina em torno dele. No entanto, isto traz consigo o seu próprio conjunto de complicações, em que os investigadores não conseguem obter imagens completas da sua amostra e têm de confiar em algoritmos de aprendizagem automática para prever visualizações em ângulos indisponíveis.
"Estrutura é uma coisa, mas se você quiser ver a camada de óxido em um transistor ou a distribuição de oxigênio em uma nanopartícula projetada para aplicações de energia limpa, você precisa ver a química em nanoescala, o que não é possível obter na tomografia eletrônica. sozinho", disse Hovden.
Para superar o problema da dose de energia, a equipe de pesquisa desenvolveu um novo processo conhecido como “tomografia eletrônica multimodal” para coletar imagens em todos os ângulos de inclinação, enquanto as imagens químicas são coletadas esparsamente a cada poucas inclinações. Um algoritmo multimodal então pega as informações para ambos os tipos de sinal e gera a estrutura e a química 3D.
Tomogramas de EELS fundidos de Au-Fe3 O4 nanopartículas. Cubo de escala, 2 nm
3
. Crédito:Schwartz et al. 2024
A mistura de sinais permite uma redução de dose de energia de cerca de 100 vezes, garantindo que a amostra não seja destruída antes da conclusão da imagem.
Os resultados demonstram que a técnica é capaz de gerar imagens de compostos orgânicos e metais simultaneamente, comprovando o uso da técnica em uma ampla gama de materiais.
"Nossa solução aproveita todos os sinais complementares que estão presentes em nosso microscópio, promovendo a comunicação entre um sinal que não requer muita dose e um sinal com muita dose", disse Jonathan Schwartz, doutor em ciência e engenharia de materiais pela UM e principal autor do estudo.
As duas técnicas de imagem dependem de diferentes propriedades físicas dos elétrons à medida que se movem através de um material. A imagem 3D depende do espalhamento elástico, onde os elétrons não perdem energia ao passar pela amostra. Na imagem química, o feixe de elétrons de maior energia aumenta a probabilidade do evento mais raro de espalhamento inelástico, onde os elétrons perdem uma quantidade específica de energia que reflete o elemento com o qual colidiu, proporcionando uma assinatura química única.
"Esta é uma abordagem radicalmente nova de como misturamos e usamos sinais de elétrons dispersos elasticamente e inelasticamente", disse Hovden.
Além da distribuição química, o resultado do aprendizado de máquina ainda fornece informações sobre estequiometria, ou as proporções dos elementos no material. Por exemplo, para cada motivo em óxido férrico (Fe2 O3 ), você poderia ter dois átomos de ferro para cada três átomos de oxigênio, ou talvez dois átomos de ferro para cada dois átomos de oxigênio.
"Como o algoritmo está tentando descobrir a decomposição dos elementos presentes, ele captura muito bem a proporção dos produtos químicos. Isso foi algo que obtivemos gratuitamente como parte do processo de otimização do nosso algoritmo", disse Schwartz, agora cientista do Chan. Instituto de Imagens Zuckerberg.
Hovden credita o sucesso da técnica ao aproveitamento da física, da ciência dos materiais e da ciência da computação moderna.
"O primeiro passo é entender a física dos elétrons interagindo com a matéria sob nosso microscópio para cada detector. A ciência da computação conecta todos esses detectores para criar uma imagem completa. É um espaço totalmente novo para atuar neste campo, "disse Hovden.
A combinação de dois sinais diferentes para aprimorar informações – também conhecida como imagem multimodal – está ganhando força nos campos da engenharia. Vazamentos de metano podem ser detectados e resolvidos usando imagens de satélite combinadas com detecção térmica ou química. Os carros autônomos misturam sinais de sensoriamento remoto, que fornecem informações sobre o terreno, com sinais do carro para melhorar a navegação.
"Este é um dos primeiros grandes resultados do poder da multimodalidade no nosso campo. É emocionante ainda encontrar novas formas de ver a matéria nestas pequenas escalas", disse Hovden.
