Examen des nanoparticules métalliques avec TEM

Cet article traite de l’application de la microscopie électronique à transmission (TEM) pour analyser les nanoparticules métalliques.

Crédit d’image : Employé d’amour/Shutterstock.com

Importance du TEM pour les nanoparticules métalliques

La caractérisation analytique et structurelle à l’échelle nanométrique de différents matériaux a suscité une attention considérable ces dernières années. Le TEM est considéré comme adapté à la caractérisation à l’échelle nanométrique, car des paramètres tels que le type de phase, la composition chimique, les détails cristallographiques, les informations morphologiques, le type de réseau, la taille des grains et la taille des particules peuvent être obtenus à partir de micrographies électroniques à transmission.

Les diagrammes de diffraction électronique des nanomatériaux sont utilisés pour obtenir des informations quantitatives, y compris les défauts cristallins dans la structure du réseau, la relation d’orientation, la taille et l’identification de phase. Ainsi, plusieurs études sur les nanoparticules métalliques ont été réalisées à l’aide de TEM.

Les observations TEM ont révélé les fluctuations structurelles et configurationnelles et la structure spatiale réelle des nanoparticules. De plus, l’observation TEM a également fourni des informations sur le comportement des nanoparticules dans le faisceau d’électrons.

Application de TEM sur des nanoparticules métalliques

Dans une étude publiée dans la revue Micronles chercheurs ont effectué une observation structurelle de nanoparticules de molybdène, de palladium et d’indium déposées sur des substrats de silicium (110) à l’aide d’un TEM à émission de champ sous ultravide (UHV-FE-TEM).

Les trois métaux ont été sélectionnés en fonction de leur point de fusion pour évaluer leur comportement en fonction de la température. Les points de fusion du molybdène, du palladium et de l’indium sont respectivement de 2893 K, 1825 K et 430 K.

Un microscope UHV-FE-TEM avec une tension d’accélération de 200 kV, une résolution de réseau de 0, 1 nm et une résolution ponctuelle de 0, 21 nm à la défocalisation de Scherzer a été utilisé pour cette étude. Le microscope était également équipé d’un canon à émission de champ thermique (FEG) de type Schottky en oxyde de tungstène/zirconium avec une propagation d’énergie de 0,7 eV.

De plus, deux évaporateurs, dont un évaporateur à chauffage thermique avec fil de tungstène pour différents matériaux et un évaporateur à faisceau d’électrons pour les matériaux à point de fusion élevé, ont été fixés à la colonne du microscope pour effectuer une évaporation dynamique et in situ des échantillons.

Les nanoparticules d’indium de 3 à 5 nm présentaient de fréquentes fluctuations structurelles inférieures à 10¹ A/cm² irradiation par faisceau d’électrons. En comparaison, les nanoparticules d’indium d’une taille supérieure à 10 nm, y compris les particules décaèdres à macles multiples (MTP), ont démontré une fluctuation plus lente par rapport aux nanoparticules plus petites. De plus, les plus grosses nanoparticules affichaient une coalescence avec un 10 plus faible⁰ A/cm² faisceau.

Les nanoparticules de palladium d’une taille de 3 à 5 nm ont montré des fluctuations structurelles après 10 à 30 s d’irradiation par faisceau d’électrons. Cependant, une irradiation de faisceau plus forte avec 10³ A/cm² l’intensité a entraîné la dissipation des nanoparticules de palladium due à la diffusion.

Aucune fluctuation structurelle n’a été observée dans les nanoparticules de molybdène de 3 à 5 nm. Cependant, une irradiation intensive par faisceau d’électrons avec 10⁵ A/cm² l’intensité conduit à la dissipation des nanoparticules.

Des études ont démontré que les capacités de contraste du numéro atomique (Z) du TEM à balayage annulaire à fond noir angulaire élevé (HAADF-STEM) peuvent être utilisées pour étudier les nanoparticules métalliques. Par exemple, les nanoparticules d’or décaèdres peuvent être identifiées à l’échelle atomique à l’aide de HAADF-STEM.

Les structures cœur-enveloppe bimétalliques or-palladium ont été identifiées avec succès par des différences de contraste dans l’imagerie HAADF-STEM. Dans l’imagerie, le contraste élevé correspondait à la coquille d’or avec le numéro atomique 79, tandis que le contraste inférieur correspondait au noyau de palladium avec le numéro atomique 46.

L’incorporation de nanoparticules métalliques dans les systèmes biologiques de manière contrôlable est restée un défi important. L’imagerie STEM peut devenir un outil important pour identifier l’influence et l’incorporation de différentes formes dans les systèmes biologiques.

Les systèmes biologiques contiennent principalement du carbone, de l’hydrogène et de l’azote comme matrice. Le contraste de ces éléments en imagerie HAADF-STEM est inférieur au contraste généré par les nanoparticules métalliques.

Ainsi, le procédé peut permettre une identification facile des nanostructures métalliques intégrées dans les tissus biologiques. Par exemple, des nanoparticules d’argent incorporées dans des bactéries ont été identifiées par contraste en imagerie HAADF-STEM.

Études récentes impliquant l’imagerie TEM de nanoparticules métalliques

Les images TEM de nanoparticules métalliques sont acquises en dispersant un grand nombre de nanoparticules sur une fine feuille de nitrure de silicium amorphe/carbone amorphe transparente aux électrons incidents.

Dans une étude TEM, la première étape implique la sélection d’une nanoparticule cible qui peut fournir des informations cruciales nécessaires pour comprendre le mécanisme sous-jacent à la fonction matérielle et/ou à la structure du matériau.

Cependant, la sélection d’une nanoparticule cible parmi plusieurs nanoparticules est restée un défi majeur dans le processus de collecte de données lors de l’utilisation de TEM, car il s’agit d’une opération chronophage.

Un problème similaire existe également dans l’étape d’analyse des données dans laquelle les images cibles doivent être sélectionnées à partir de plusieurs observations TEM. Ces problèmes techniques ont nécessité le développement de systèmes automatisés pour la collecte et la classification/identification des nanoparticules métalliques dans les images TEM.

L’apprentissage en profondeur peut jouer un rôle important dans l’automatisation de l’analyse des données TEM et de la collecte des données. Dans une étude récente publiée dans le Journal du magnétisme et des matériaux magnétiquesles chercheurs ont développé une méthode d’analyse d’images TEM utilisant l’apprentissage par transfert et les réseaux de neurones convolutifs (CNN) pour parvenir à une identification précise des nanoparticules.

Des CNN pré-formés par apprentissage par transfert ont été utilisés pour analyser les images TEM de nanoparticules. Des nanoparticules de platine qui génèrent un fort contraste dans les images TEM lorsqu’elles sont supportées sur une feuille de dioxyde de titane transparente aux électrons ont été utilisées comme sujet de test. Les images TEM de nanoparticules de platine dispersées sur une fine feuille de cristal de dioxyde de titane ont été classées à l’aide de CNN.

Bien que le nombre de données d’apprentissage soit inférieur de plusieurs ordres de grandeur aux quantités généralement utilisées dans les analyses CNN conventionnelles, le modèle CNN de cette étude a pu classer les images avec une précision de 94 % après que les couches convolutives (CL) aient été pré-formées par transfert. apprentissage et réglage fin par rapport à une précision de 93% normalement obtenue par un microscopiste électronique qualifié.

Ainsi, la méthode d’apprentissage par transfert peut être utilisée de manière réaliste pour les études TEM des nanoparticules magnétiques et non magnétiques, car seul un nombre limité d’images TEM est requis dans cette méthode pour l’ensemble de données d’apprentissage.

Continuer la lecture : Utilisation de nanoparticules métalliques dans la spectroscopie Raman améliorée en surface

Références et lectures complémentaires

Tanaka, M., Takeguchi, M., Furuya, K. (2002). Comportement des nanoparticules métalliques dans le faisceau d’électrons. Micron33(5), p. 441-446.

Koyama, A., Miyauchi, S., Morooka, K., Hojo, H., Einaga, H., Murakami, Y. (2021). Analyse d’images TEM de nanoparticules métalliques à l’aide de réseaux de neurones convolutifs et d’apprentissage par transfert. Journal du magnétisme et des matériaux magnétiques, 538, p. 168225.

Ponce, A., Mejía-Rosales, S., Yacaman, M. (2012). Méthodes de microscopie électronique à transmission à balayage pour l’analyse des nanoparticules. Méthodes en biologie moléculaire. doi.org/10.1007/978-1-61779-953-2_37

Avis de non-responsabilité : les opinions exprimées ici sont celles de l’auteur exprimées à titre privé et ne représentent pas nécessairement les opinions de AZoM.com Limited T/A AZoNetwork, le propriétaire et l’exploitant de ce site Web. Cette clause de non-responsabilité fait partie des conditions d’utilisation de ce site Web.