在重氧化物支持的4d金属纳米催化剂中对功能相关参数进行定量3D表征
José Marqueses-Rodríguez1, Ramón Manzorro1, Justyna Grzonka1
1Departamento de Ciencias de los Materiales e Ingeniería Metalúrgica y Química Inorgánica, Facultad de Ciencias, Universidad de Cádiz, Campus Rio San Pedro S/Nl, Puerto Real, 11510 Cádiz, Spain.
Chemistry of materials : a publication of the American Chemical Society
|October 2, 2023
概括
一个新的深度学习管道准确地可视化和量化高原子数氧化物上的小型4d金属纳米粒子,克服了用于催化剂研究的传统电子断层扫描的局限性.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米技术 纳米技术
- 催化剂是一种催化剂.
背景情况:
- 精确的3D纳米测量具有小金属纳米颗粒的催化剂对于理解它们的功能至关重要.
- 在高原子数氧化物上对4d金属纳米粒子 (例如,Pd,Ru,Rh) 进行表征是具有挑战性的,因为电子断层扫描中的对比度较低.
- 传统方法无法检测或量化这些小纳米粒子,阻碍了催化剂研究.
研究的目的:
- 开发一种新的深度学习 (DL) 管道,用于对具有挑战性的催化剂系统进行精确的3D纳米测量.
- 为了能够在高Z氧化物支上可视化和定量分析亚纳米4d金属颗粒.
- 为了克服传统电子断层扫描对这些复杂的纳米材料的特征的局限性.
主要方法:
- 开发了一个多阶段的深度学习管道,集成单个图像超分辨率 (SR) 进行无声化和增强.
- 在断层扫描倾斜系列中,U-net生成对抗网络被用于图像修复和文物校正.
- 用U-net卷积神经网络进行语义细分,将金属和支部件分开为3D卷.
主要成果:
- DL管道成功地可视化了以往传统方法无法检测到的亚纳米4d金属纳米粒子.
- 从压缩感应电子断层扫描重建中提取了定量结构信息 (大小,球形,截断).
- 该方法在支持二氧化碳的纳米粒子上进行了演示,这是一个相关的催化系统.
结论:
- 开发的深度学习管道为具有挑战性的催化剂纳米材料的3D表征提供了强大的解决方案.
- 这种方法通过实现精确的结构分析,显著提高了对纳米粒子功能的理解.
- 该方法在催化及其他方面对各种支持的金属纳米粒子系统的表征具有广泛的适用性.
更多相关视频
10:52Multiscale Sampling of a Heterogeneous Water/Metal Catalyst Interface using Density Functional Theory and Force-Field Molecular Dynamics
Published on: April 12, 2019
12.8K
08:40Synthesis of Metal Nanoparticles Supported on Carbon Nanotube with Doped Co and N Atoms and its Catalytic Applications in Hydrogen Production
Published on: December 6, 2021
3.6K
