支持Pd纳米粒子的原子尺度3D结构通过电子断层扫描和基于卷积神经网络的图像绘制揭示出来
Hiroki Iwai1, Fumiya Nishino1, Tomokazu Yamamoto2
1Graduate School of Science and Technology, Kumamoto University, Kumamoto, 860-8555, Japan.
Small methods
|December 3, 2023
概括
一种新的深度学习方法从电子显微镜图像中去除支材料,使金属催化剂的原子规模3D重建成为可能. 这揭示了纳米粒子结构如何影响催化活性.
科学领域:
- 材料科学 材料科学 材料科学
- 催化剂是一种催化剂.
- 电子显微镜电子显微镜
背景情况:
- 扫描传输电子显微镜 (STEM) 对于金属纳米颗粒的原子规模3D分析至关重要.
- 由于支材料的干扰,支持的催化剂对3D重建提出了挑战.
研究的目的:
- 开发和应用基于深度学习的图像绘制方法来分析支持的金属纳米粒子催化剂.
- 为了使准确的3D重建和原子级理解支持的金属纳米粒子.
主要方法:
- 利用基于深度学习的图像 inpainting 来预测和删除 HAADF-STEM 图像中的背景支持图像.
- 应用该方法将11纳米的Palladium (Pd) 纳米粒子从 θ-Al2O3 载体中分离出来.
- 进行了分离的Pd纳米粒子的3D重建.
主要成果:
- 通过inpainting方法成功将Pd纳米粒子从 θ-Al2O3 支物中分离出来.
- 揭示了Pd纳米粒子的变形立方体结构,暴露了高指数表面.
- 可视化了当地的Pd-Pd键距离和变异,表明纳米粒子支接口的显著应变和障碍.
结论:
- 支持金属催化剂的3D原子尺度分析是可以通过先进的图像处理技术实现的.
- 原子结构,包括应变和表面方面,与催化活性直接相关.
- 这种方法促进了高性能支持金属催化剂的合理设计.
