O aprendizado de máquina aprimora a imagem de raios X de nanotexturas
Fluxograma de reconhecimento de padrões de um conjunto de reconstruções de recuperação de fase individual com agrupamento k-means. Primeiro, uma função de teste senoidal é construída com um tamanho determinado pelo comprimento da periodicidade da mesoescala. Em seguida, as localizações das supercélulas são determinadas pela correlação cruzada da função de teste com as reconstruções individuais. Finalmente, as supercélulas separadas do CI são agrupadas por agrupamento k-means e, em seguida, aplicam os mesmos clusters para calcular a média das supercélulas NS e CI. Crédito:Anais da Academia Nacional de Ciências (2023). DOI:10.1073/pnas.2303312120 Usando uma combinação de raios X de alta potência, algoritmos de recuperação de fase e aprendizado de máquina, os pesquisadores da Cornell revelaram as intrincadas nanotexturas em materiais de película fina, oferecendo aos cientistas uma abordagem nova e simplificada para analisar potenciais candidatos para computação quântica e microeletrônica, entre outros. formulários.
Os cientistas estão especialmente interessados em nanotexturas que são distribuídas de maneira não uniforme ao longo de uma película fina porque podem conferir novas propriedades ao material. A maneira mais eficaz de estudar as nanotexturas é visualizá-las diretamente, um desafio que normalmente requer microscopia eletrônica complexa e não preserva a amostra.
A nova técnica de imagem detalhada em 6 de julho no Proceedings of the National Academy of Sciences supera esses desafios usando recuperação de fase e aprendizado de máquina para inverter dados de difração de raios X coletados convencionalmente - como os produzidos na fonte síncrotron de alta energia Cornell, onde os dados para o estudo foram coletados - em visualização do material no espaço real em a nanoescala.
O uso da difração de raios X torna a técnica mais acessível aos cientistas e permite a obtenção de imagens de uma porção maior da amostra, disse Andrej Singer, professor assistente de ciência e engenharia de materiais e David Croll Sesquicentennial Faculty Fellow em Cornell Engineering, que liderou a pesquisa. com o estudante de doutorado Ziming Shao.
"Imaginar uma grande área é importante porque representa o verdadeiro estado do material", disse Singer. "A nanotextura medida por uma sonda local pode depender da escolha do local sondado."
Outra vantagem do novo método é que ele não exige a quebra da amostra, permitindo o estudo dinâmico de filmes finos, como a introdução de luz para ver como as estruturas evoluem.
"Este método pode ser facilmente aplicado para estudar dinâmica in-situ ou operando", disse Shao. "Por exemplo, planejamos usar o método para estudar como a estrutura muda em picossegundos após a excitação com pulsos curtos de laser, o que pode permitir novos conceitos para futuras tecnologias de terahertz."
A técnica foi testada em dois filmes finos, o primeiro deles com uma nanotextura conhecida usada para validar os resultados de imagem. Ao testar um segundo filme fino – um isolador Mott com física associada à supercondutividade – os pesquisadores descobriram um novo tipo de morfologia que não havia sido observada no material antes – um nanopadrão induzido por deformação que se forma espontaneamente durante o resfriamento a temperaturas criogênicas.
“As imagens são extraídas sem conhecimento prévio”, disse Shao, “potencialmente estabelecendo novos padrões de referência e informando novas hipóteses físicas em modelagem de campo de fase, simulações de dinâmica molecular e cálculos de mecânica quântica”.
Mais informações: Ziming Shao et al, Imagem em espaço real de nanotexturas periódicas em filmes finos via faseamento de dados de difração, Proceedings of the National Academy of Sciences (2023). DOI:10.1073/pnas.2303312120 Informações do diário: Anais da Academia Nacional de Ciências
