Onderzoekers observeerden atomen met standaardnauwkeurigheid

In de afgelopen decennia hebben natuurkundigen met succes materie op kleinere en kleinere schaal onderzocht totdat het de atomaire schaal bereikt. Deze technieken zijn essentieel om de interne structuur – en dus de dynamiek – van materialen te begrijpen, maar ook de structuur van biologische weefsels. Een team van onderzoekers brak een nieuw record qua nauwkeurigheid dankzij het ptychografische algoritme, dat een ongekend inzicht biedt in het gedrag van atomen.

In 2018 bouwden Cornell-onderzoekers een krachtige detector die, samen met een op algoritmen gebaseerd proces genaamd ptychography, een wereldrecord vestigde door de resolutie van een geavanceerde elektronenmicroscoop te verdrievoudigen. Hoe succesvol het ook was, deze aanpak had een zwak punt. Ik heb alleen met hele dunne monsters gewerkt die een paar atomen dik waren. Alles wat dikker is, kan verspreiding veroorzaken Elektronen Op een manier die niet kan worden gescheiden.

Onlangs brak een team, geleid door technisch professor David Muller, hun record voor een vermenigvuldiger met behulp van een Pixel Array Detection Electron Microscope (EMPAD), die meer geavanceerde 3D-reconstructie-algoritmen bevat. De resolutie is zo goed dat de enige resterende flux de thermische agitatie van de atomen zelf is.

« Het is niet alleen een nieuw record. Hij heeft een dieet gevolgd dat in feite een definitieve limiet zal zijn voor de beslissing. Nu kunnen we atomen op een heel eenvoudige manier lokaliseren. Dit opent een hele reeks nieuwe mogelijkheden om de materie om ons heen te meten. Het lost ook een al lang bestaand probleem op: de disverspreiding van meerdere bundels in het monster, die Hans Beth in 1928 creëerde en waardoor we dat in het verleden niet konden doen. Mueller legt uit.

Recordresolutie dankzij textuurafdrukken

Ptychography werkt door te scannen op overlappende diffusiepatronen uit een materiaalmonster en te zoeken naar veranderingen in het overlappingsgebied. ” We zijn op zoek naar gevlekte patronen die sterk lijken op de “laserpointer” die ook katten fascineert. Door te zien hoe het patroon verandert, kunnen we de vorm berekenen van het object dat het patroon heeft veroorzaakt. Muller zegt.

De detector is enigszins onscherp, wat de bundel vervormt om een ​​zo groot mogelijk bereik aan gegevens vast te leggen. Deze gegevens worden vervolgens gereconstrueerd met behulp van complexe algoritmen, wat resulteert in een afbeelding met ultrahoge resolutie met een pixelresolutie.

« Met behulp van deze nieuwe algoritmen zijn we nu in staat om alle ruis in onze microscoop te corrigeren tot het punt dat de grootste storing die we hebben, de atomen zelf zijn die oscilleren, want dat is wat er met atomen gebeurt. Op een beperkte temperatuur Mueller legt uit. ” Als we het over temperatuur hebben, meten we in feite de gemiddelde trillingssnelheid van de atomen. ».

Misschien kunnen de onderzoekers hun record weer verbreken door een stof van zwaardere atomen te gebruiken, die minder fluctueert, of door het monster af te koelen. Maar zelfs bij nul temperatuur kunnen de atomen nog steeds kwantumfluctuaties vertonen, dus de verbetering zou niet veel zijn.

Een technologie met meerdere toepassingen

Deze nieuwere vorm van elektronenmodulatie stelt wetenschappers in staat individuele atomen in drie dimensies te lokaliseren wanneer ze anders kunnen worden verborgen met behulp van andere beeldvormingsmethoden. Onderzoekers zullen ook in staat zijn om vuilatomen in ongebruikelijke configuraties te vinden en ze met hun trillingen de een na de ander te fotograferen. Dit kan met name handig zijn voor het afbeelden van halfgeleiders, katalysatoren en kwantummaterialen – inclusief die welke worden gebruikt in kwantumcomputers – en voor het analyseren van atomen in grensvlakken waar materialen samenvloeien.

De beeldvormingsmethode kan ook worden toegepast op cellen of dik biologisch weefsel, of zelfs op synaptische verbindingen in de hersenen – wat Mueller “verbindingen op aanvraag” noemt. Hoewel deze methode tijdrovend en rekenkundig veeleisend is, kan deze efficiënter worden gemaakt door krachtigere computers te gebruiken in combinatie met machine learning en snellere detectieapparatuur.

Bronnen: Wetenschap