革命性的技术在原子水平上解开量子物质的秘密
诸平
据美国橡树林国家实验室(Oak Ridge National Laboratory简称ORNL)2024年10月10日提供的消息,革命性的技术在原子水平上解开量子物质的秘密(Revolutionary Technology Unlocks Quantum Material Secrets at Atomic Level)。
橡树岭国家实验室的新快速物体检测和行动系统(Rapid Object Detection and Action System简称RODAS)技术提供了对材料原子变化的详细见解,这对推进量子计算至关重要(Oak Ridge National Laboratory’s new RODAS technology provides detailed insights into atomic changes in materials, critical for advancing quantum computing)。
该方法能够在不损坏二硫化钼(molybdenum disulfide, MoS2)等材料的情况下分析它们,这标志着对传统技术的重大改进,为材料科学提供了潜在的突破。
由美国能源部橡树岭国家实验室(Department of Energy’s Oak Ridge National Laboratory)领导的研究小组开发了一种新的方法,可以在原子水平上观察材料的变化。这项技术为推进我们对量子计算和电子学关键材料的理解和开发开辟了新的途径。
量子材料分析的突破(Breakthrough in Quantum Material Analysis)
这项技术被称为快速物体检测和行动系统(RODAS),它将成像、光谱学和显微镜技术结合在一起,捕捉转瞬即逝的原子结构形成时的特性。这为在最小尺度上研究材料特性的演变提供了无与伦比的见解。
将扫描透射电子显微镜(scanning transmission electron microscopy简称STEM)与电子能量损失光谱(electron energy loss spectroscopy简称EELS)相结合的传统方法受到限制,因为电子束可以改变或降解被分析的材料。这种动态常常导致科学家测量改变的状态,而不是预期的材料特性。RODAS克服了这一限制,并将系统与使用实时机器学习的动态计算机视觉成像集成在一起。
快速无损检测(Rapid and Non-Destructive Testing)
在分析标本时,RODAS只关注感兴趣的区域。这种方法可以在几秒或几毫秒内进行快速分析,而其他STEM-EELS方法有时需要几分钟。重要的是,RODAS在不破坏样品的情况下提取关键信息。
所有的材料都有缺陷,这些缺陷可以直接影响材料的任何性质,例如电子、机械或量子。缺陷可以在原子水平上以多种方式排列自己,既有内在的,也有对外部刺激(如电子束辐照)的响应。不幸的是,这些不同缺陷结构的局部特性并没有被很好地理解。尽管STEM方法可以通过实验测量这些结构,但在不改变它们的情况下研究特定的结构是极具挑战性的。
该研究的主要作者、ORNL纳米材料科学中心(ORNL’s Center for Nanophase Materials Sciences)的Kevin Roccapriore说:“了解缺陷的结构对开发下一代材料至关重要。如果有了这些知识,我们可以有意地创建一种特定的配置来产生一种特定的属性。这类工作完全独立于观察和分析活动,但代表了对未来有潜在影响的一个方向。”
释放量子材料潜能(Unleashing Quantum Materials’ Potential)
研究小组在单层二硫化钼上展示了他们的技术(demonstrated their technique on single-layer molybdenum disulfide),二硫化钼是一种有前途的量子计算和光学应用的半导体材料。特别有趣的是因为二硫化钼可以从称为单硫空位的缺陷中发射单光子。在这种材料中,单硫空位是指在其蜂窝状晶格结构中缺少一个硫原子,这是原子的排列方式。这些空位可以聚集在一起,产生独特的电子特性,使二硫化钼在先进技术应用中具有价值。原文详见:Kevin M. Roccapriore, Riccardo Torsi, Joshua Robinson, Sergei Kalinin, Maxim Ziatdinov. Dynamic STEM-EELS for single-atom and defect measurement during electron beam transformations. Science Advances, 17 Jul 2024. Vol 10, Issue 29. DOI: 10.1126/sciadv.adn5899
通过研究二硫化钼和类似的单层材料,科学家们希望在原子尺度上回答有关光学或电子性质的重要问题。
材料科学新前沿(New Frontier in Materials Science)
RODAS技术代表了材料表征的重大飞跃。它使研究人员能够在分析过程中动态探索结构-属性关系,针对特定的原子或缺陷进行测量,有效地收集各种缺陷类型的数据,适应实时识别新的原子或缺陷类别,并在保持详细分析的同时最大限度地减少样品损坏。
通过将该技术应用于单层钒掺杂二硫化钼(vanadium-doped molybdenum disulfide),研究小组对电子束照射下缺陷的形成和演变有了新的认识。这种方法允许在动态状态下探索和表征材料,为材料在各种刺激下的行为提供更深入的知识。
Kevin Roccapriore说:“先进的电子显微镜等材料科学技术不断扩大我们对物理世界的理解,而RODAS等系统可以在加速发现和创新方面发挥关键作用。在原子尺度上实时观察和分析材料的能力显示出在计算、电子等领域突破界限的潜力,并最终实现变革性技术的发展。”
这项工作得到了作为其互联科学生态系统(Interconnected Science Ecosystem简称INTERSECT)倡议的一部分的ORNL实验室指导研究和发展计划(ORNL’s Laboratory Directed Research and Development program)的资助。该计划由UT-Battelle有限责任公司(UT-Battelle, LLC)管理,由美国能源部根据合同DE-AC05-00OR22725(U.S. Department of Energy under contract DE-AC05-00OR22725)资助。STEM实验得到了美国能源部科学办公室、基础能源科学、材料科学和工程部门以及橡树岭国家实验室纳米材料科学中心{Oak Ridge National Laboratory’s Center for Nanophase Materials Sciences (CNMS) }、美国能源部科学用户设施办公室的支持。这项工作作为跨尺度合成科学中心(Center for the Science of Synthesis Across Scales)能源前沿研究中心项目(Energy Frontier Research Centers program: CSSAS)的一部分得到了美国能源部、科学办公室、基础能源科学办公室{U.S. Department of Energy, Office of Science, Office of Basic Energy Sciences, as part of the Energy Frontier Research Centers program: CSSAS (The Center for the Science of Synthesis Across Scales) under award number DE-SC0019288}的支持。跨尺度合成科学中心是一个位于美国华盛顿大学,由美国能源部科学基础能源科学办公室资助的能源前沿研究中心(Energy Frontier Research Center funded by the DOE Office of Science Basic Energy Sciences at the University of Washington)。另外作为半导体研究公司(Semiconductor Research Corporation 简称SRC)计划的一部分,也得到了美国国家标准与技术研究院(NIST through award number 70NANB17H041)和美国能源部{Department of Energy (DOE) through award number DESC0010697}的资助。
上述介绍,仅供参考。欲了解更多信息,敬请注意浏览原文或者相关报道。
This study introduces the integration of dynamic computer vision–enabled imaging with electron energy loss spectroscopy (EELS) in scanning transmission electron microscopy (STEM). This approach involves real-time discovery and analysis of atomic structures as they form, allowing us to observe the evolution of material properties at the atomic level, capturing transient states traditional techniques often miss. Rapid object detection and action system enhances the efficiency and accuracy of STEM-EELS by autonomously identifying and targeting only areas of interest. This machine learning (ML)–based approach differs from classical ML in that it must be executed on the fly, not using static data. We apply this technology to V-doped MoS2, uncovering insights into defect formation and evolution under electron beam exposure. This approach opens uncharted avenues for exploring and characterizing materials in dynamic states, offering a pathway to increase our understanding of dynamic phenomena in materials under thermal, chemical, and beam stimuli.
转载本文请联系原作者获取授权,同时请注明本文来自诸平科学网博客。
链接地址:https://wap.sciencenet.cn/blog-212210-1454865.html?mobile=1
收藏