《Ultramicroscopy》:Automated atomic site determination by four-dimensional scanning transmission electron microscopy data analytics
编辑推荐:
本刊推荐:为解决原子柱位点自动识别难题,研究人员开展基于4D-STEM数据的智能分析研究。通过开发三级级联聚类流程,成功实现了从二维材料到复杂氧化物等多种材料中轻重原子柱的精准识别。该方法为材料原子尺度化学特征自动解析提供了新范式。
当科学家们试图在原子尺度上理解材料特性时,扫描透射电子显微镜(STEM)技术发挥着关键作用。特别是四维扫描透射电子显微镜(4D-STEM)技术的出现,通过在扫描过程中记录每个探针位置的会聚束电子衍射(CBED)图案,产生了海量的四维数据集(两个实空间维度×两个衍射空间维度)。这些数据蕴含着丰富的材料结构信息,但同时也带来了巨大的分析挑战——如何从这些包含噪声的超大数据库中自动提取定量信息,尤其是实现原子柱位点的精准识别。
传统上,原子柱的识别严重依赖研究人员的经验判断,且针对不同类型的实验需要定制化的分析流程。随着先进材料体系的不断发展,特别是包含轻重元素混合的复杂材料(如二维材料、半导体和复杂氧化物),原子位点的自动识别已成为阻碍材料深入表征的技术瓶颈。正是在这样的背景下,Francisco Fernandez-Canizares等研究人员在《Ultramicroscopy》上发表了他们的最新研究成果。
研究人员创新性地将流形降维技术与层次聚类算法相结合,开发了一套三级级联聚类流程。该方法首先对实验获得的4D-STEM数据集进行径向平均处理,将二维CBED图案转换为一维径向强度分布,从而保留原子位点信息的同时抑制晶体对称性贡献。随后利用均匀流形逼近与投影(UMAP)算法将高维数据嵌入到五维特征空间,最后通过级联聚类流程逐步分离重原子柱、轻原子柱和原子间空间。
研究团队选取了三种具有代表性的材料体系进行方法验证:二维MoS2、半导体GaN和钙钛矿氧化物SrTiO3(STO)。这些材料分别代表了不同的结构复杂度和原子对比度挑战。实验数据通过JEOL JEM ARM200cF显微镜获取,配合Gatan Metro原位计数相机,在80kV(MoS2)和200kV(GaN、STO)电压下采集。同时,利用muSTEM和py_multislice软件套件进行了多切片电子散射模拟,以验证实验结果的可靠性。
3.1. 基于层次聚类的数据分割
研究首先展示了直接对二维CBED图案应用层次聚类的结果。当设置聚类数k=(不同原子柱数量)+1时,算法开始识别数据集的周期性特征,能够区分原子位点与原子间空间。然而,这种方法受到晶体对称性的强烈影响,在某些材料中(如MoS2和STO),聚类结果更多反映了局部对称性而非原子物种差异。
通过引入径向平均预处理,研究人员成功消除了对称性干扰。在模拟数据中,所有三种材料的原子位点都能从原子间空间中清晰分辨。实验数据方面,GaN和STO也表现出良好的分割效果,而单层MoS2由于散射信号较弱,分割效果有限。有趣的是,在部分原子位点周围观察到了"核-壳"结构,这种特征在较厚样品中更为明显,可能与动力学散射效应有关。
3.2. 基于流形表示的级联聚类增强原子位点分类
为进一步提升方法的自动化和鲁棒性,研究团队开发了三级级联聚类流程。第一级使用k=2的聚类将重原子柱与背景(轻原子柱+原子间空间)分离;第二级专门对重原子区域进行细分;第三级处理背景区域,识别轻原子柱和原子间空间。
这一创新方法在所有测试材料中都表现出卓越性能。在MoS2中成功区分了Mo和S位点;在GaN中准确识别了Ga和N柱;在STO中将Sr、Ti/O和O柱全部分离。该方法不仅依赖于原子柱的强度对比,还利用了CBED图案的强度分布特征,为区分原子序数相近的原子柱提供了新途径。
3.3. 方法鲁棒性评估
为验证方法在实际实验条件下的适用性,研究人员系统评估了算法对衍射空间和实空间采样率的鲁棒性。结果表明,即使将衍射空间采样率降低8倍(至约3.5mrad/像素),算法仍能保持准确的原子位点识别能力。在实空间方面,算法在低至奈奎斯特频率1/4的采样条件下仍能有效识别轻原子柱(如STO中的氧柱),这为降低电子剂量、研究束敏感材料提供了可能。
通过结合径向平均CBED剖面、数据降维和级联聚类流程,本研究成功实现了原子分辨率4D-STEM数据中不同原子位点的自动识别。这一方法学突破为材料原子尺度结构、缺陷和成分的数据驱动分析开辟了新途径,特别是在束敏感材料和复杂氧化物体系的研究中具有重要应用价值。随着计算流程的进一步优化和GPU加速技术的应用,该方法有望实现实时在线分析,推动原子分辨率材料表征向自动化、智能化方向发展。