电子显微镜中的光束诱导加热以机器学习的原子间潜力为模型
Cuauhtemoc Nuñez Valencia1, William Bang Lomholdt2, Matthew Helmi Leth Larsen1
1Department of Physics, Technical University of Denmark, DK-2800 Kgs., Lyngby, Denmark. schiotz@fysik.dtu.dk.
Nanoscale
|February 27, 2024
概括
我们开发了一种新方法,用于在电子显微镜成像过程中估计金属纳米粒子的加热. 这种方法结合了分子动力学,神经网络和电子能量损失光谱来准确预测.
科学领域:
- 材料科学 材料科学 材料科学
- 计算物理 计算物理
- 纳米技术纳米技术
背景情况:
- 电子显微镜对于纳米粒子的表征至关重要.
- 了解成像过程中纳米粒子加热对于准确分析至关重要.
- 现有的估计光束诱导加热的方法是有限的.
研究的目的:
- 开发一种结合理论和实验方法,用于在电子显微镜中估计金属纳米粒子的加热.
- 用分子动力学和神经网络潜力建模热传输.
- 通过电子能量损失光谱学的实验数据来验证该方法.
主要方法:
- 分子动力学模拟与等价神经网络潜能相结合,以密度函数理论 (DFT) 计算进行训练.
- 利用神经网络潜力的集合来估计预测错误.
- 使用电子能量损失光谱 (EELS) 来测量电子束能量沉积.
主要成果:
- 作为尺寸,形状,支材料和光束参数的函数,用于预测纳米粒子加热的强大方法.
- 证明了神经网络集团在模拟中对错误估计的实用性.
- 成功地将理论建模与实验测量相结合,以准确量化加热.
结论:
- 开发的方法为理解和预测纳米粒子中光束诱导的加热提供了一个强大的工具.
- 这项工作提高了电子显微镜对纳米材料的分析精度.
- 该方法适用于各种纳米粒子系统和成像条件.
