Una capa de adición de potasio casi periódica en un cuasicristal decagonal de Al-Ni-Co

Área de la Ciencia:

• Ciencias de los materiales
• Ciencias de la superficie
• Física de la materia condensada

Sus antecedentes:

• La cuasiperiodicidad es una característica clave de los cuasicristales, materiales con orden de largo alcance pero que carecen de simetría de traslación.
• Comprender el comportamiento de los átomos en superficies cuasicristalinas es crucial para explorar sus propiedades electrónicas y físicas únicas.

Objetivo del estudio:

• Investigar la formación y la estructura de las monocapas de potasio (K) en la superficie decagonal de los cuasicristales de aluminio-níquel-cobalto (Al-Ni-Co).
• Esclarecer el papel de las interacciones sustrato-adsorbato en la conducción de patrones de crecimiento cuasiperiódicos.

Principales métodos:

• Microscopía de túnel de barrido (STM) para imágenes de superficie a escala atómica.
• Difracción de electrones de baja energía (LEED) para el análisis estructural y la determinación de la simetría.
• Cálculos de la Teoría Funcional de Densidad (DFT) para modelar las interacciones adsorbado-sustrato y predecir las estructuras de crecimiento.

Principales resultados:

• Se ha demostrado la formación de una monocapa casi periódica de potasio en la superficie decagonal de Al-Ni-Co.
• Se han observado átomos K dispersos en coberturas bajas, que se agrupan en motivos pentagonales y decagonales en coberturas más altas.
• Los patrones LEED confirmaron la simetría decagonal, y los resultados de STM coincidieron estrechamente con las predicciones de DFT de K adatoms que se unen a sitios cuasiperiódicos favorables.

Conclusiones:

• Los adátomos de potasio forman monocapas cuasiperiódicas en cuasicristales decagonales de Al-Ni-Co, impulsados por las interacciones entre el adsorbado y el sustrato.
• La estructura electrónica del sustrato cuasicristalino dicta el crecimiento cuasiperiódico de la capa adicional de potasio.
• Los hallazgos experimentales están en fuerte acuerdo con las predicciones teóricas, validando el modelo DFT.