该研究最近发表在Nature Communications上,该期刊的编辑选择了该期刊每月收集的重点论文集。
以原子分辨率研究纳米粒子的表面结构对于理解其结构的化学性质,分子相互作用以及粒子在其环境中的功能至关重要。表面结构的实验研究长期涉及适用于纳米级分辨率的成像技术,其中最常见的是基于电子隧道效应,上述扫描隧道显微镜(STM)和基于小型测量的原子力显微镜(AFM) ,原子力量。
然而,在成像中实现分子分辨率已经证明是非常具有挑战性的,例如因为待成像物体(即纳米颗粒表面)的曲率与扫描尖端的曲率具有相同的数量级。例如,测量对环境干扰也很敏感,环境干扰可能影响分子的热运动。
研究人员使用以前表征的银纳米粒子,具有已知的原子结构。颗粒的金属核具有374个银原子,表面受一组113个TBTT分子的保护。TBBT(叔丁基苯硫醇)是在其末端具有三个独立碳基团的分子。粒子的外表面总共有339个这样的组。当在STM实验中在低温下对这种类型的纳米颗粒样品成像时,在由图像形成的隧道电流中观察到清晰的顺序调制(参见图像的左侧部分)。当单个TBBT分子在平坦表面上成像时,注意到类似的调节。
基于密度泛函理论(DFT),Häkkinen的研究团队进行的模拟表明,TBBT分子的三个碳基团中的每一个都在STM图像中提供了自己的当前最大值(见图像的右侧部分)并且距离很远最大值之间对应于STM测量结果。这证实了测量在亚分子水平上是成功的。模拟还预测准确的STM测量在室温下不再能够成功,因为分子的热运动非常高,以至于各个碳基团的当前最大值混合到背景中。
“这是纳米粒子表面结构的STM成像首次能够'看到'分子的各个部分。我们的计算工作对于验证实验结果非常重要。但是,我们希望更进一步。粒子的结构是众所周知的,我们有理由询问是否可以使用模拟识别成像粒子的精确方向,“Häkkinen描述了这项研究。
为此,Häkkinen的小组计算了来自1,665个不同方向的银粒子的模拟STM图像,并开发了一种模式识别算法,以确定哪些模拟图像与实验数据最匹配。
“我们相信,我们的工作为纳米结构的成像展示了一种新的有用策略。未来,基于机器学习的模式识别算法和人工智能将成为纳米结构图像解释不可或缺的一部分。我们的工作代表了第一步。这就是为什么我们还决定公开将我们开发的模式识别软件分发给其他研究人员,“Häkkinen说。