.Unlocking the Atomic Secrets of Super Durable Materials
http://blog.naver.com/mssoms
http://jl0620.blogspot.com
https://www.facebook.com/junggoo.lee.54
.Unlocking the Atomic Secrets of Super Durable Materials
초내구성 소재의 원자 비밀 풀기
작성자: Meike Drießen, Ruhr-University Bochum2024년 10월 31일
케이지 클러스터링을 보여주는 시뮬레이션된 곡물 경계 티타늄 결정립계에서 케이지 클러스터링(파란색)을 보여주는 시뮬레이션 결정립계. 파란색 원자는 이십면체 케이지의 정점에 있는 티타늄 원자이고, 빨간색 원자는 철 원자이며, 회색 원자는 다른 티타늄 원자입니다. 출처: C. Liebscher
한 연구에서는 결정립계가 재료에 미치는 영향을 밝혀냈으며, 철 함량이 이십면체 구조를 어떻게 변화시키고 재료 특성에 영향을 미치는지 보여주었습니다. 연구자들은 현미경과 시뮬레이션을 통해 내구성이 향상된 소재를 설계하는 것을 목표로 한다. 결정립계와 재료 성능 대부분의 기술 소재는 다결정 구조를 가지고 있는데, 이는 원자가 규칙적인 격자로 배열된 여러 개의 결정으로 구성되어 있다는 것을 의미합니다.
이러한 결정은 소재 전체에 걸쳐 동일한 방향으로 정렬되지 않으며, 결정 사이의 계면을 결정립계라고 합니다. "이러한 결정립계는 재료의 내구성과 전반적인 성능에 엄청난 영향을 미칩니다." 연구를 위해 현미경 작업을 수행한 비벡 데불라팔리 박사가 설명합니다. 그는 "하지만 원소가 결정립계로 분리될 때 무슨 일이 일어나는지, 그리고 그것이 재료의 속성에 어떤 영향을 미치는지에 대한 이해는 매우 제한적입니다."라고 덧붙입니다. 재료 분석의 고급 기술 이 연구의 돌파구는 원자 수준에서 이러한 구조를 관찰하고 모델링할 수 있는 능력이었습니다.
고해상도 주사 투과 전자 현미경과 고급 컴퓨터 시뮬레이션을 결합하여 연구자들은 전례 없는 세부 사항으로 결정립 경계를 연구할 수 있었습니다. 새로 개발된 예측 알고리즘은 관찰된 결정립 경계 구조를 정확하게 재현하여 연구자들이 이를 보다 효과적으로 분석할 수 있도록 했습니다. "우리의 시뮬레이션은 철 함량이 다를 때 항상 케이지 구조가 다른 결정립계 상의 기본 구성 요소라는 것을 보여줍니다. 결정립계에서 철 수준이 증가함에 따라 더 많은 이십면체 단위가 나타나고 결국 응집됩니다." 스탠포드 대학의 엔제 첸 박사가 설명합니다.
이 맥락에서 이십면체는 12개의 꼭짓점, 즉 원자가 차지하는 점과 20개의 면을 가진 기하학적 모양입니다. "우리는 동일한 경계의 다섯 개 이상의 뚜렷한 구조 또는 결정립계 상을 식별했으며, 모두 동일한 이십면체 케이지 단위의 다른 배열로 구성되었습니다."
연구의 계산 작업을 주도한 Timofey Frolov 박사가 덧붙였습니다. 이십면체 구조에 대한 통찰력 케이지 구조를 자세히 살펴본 결과, 원자가 이십면체 배열을 하고 있으며, 이십면체의 중심에 철 원자가 위치하고 정점에 티타늄 원자가 위치한다는 사실이 밝혀졌습니다. "이십면체 케이지는 철 원자를 밀집적으로 포장할 수 있으며 비주기적 클러스터를 형성할 수 있기 때문에 결정립계에 수용할 수 있는 철의 양이 2~3배 이상입니다."라고 Vivek Devulapalli는 설명합니다.
첸은 "철이 준결정과 같은 결정립계 상 내부에 갇힌 것처럼 보인다"고 덧붙였다. "이것은 이십면체 케이지의 속성에 기인합니다."라고 Liebscher는 말합니다. "그리고 이제 우리는 이것이 인터페이스 속성과 이를 통한 재료 거동에 어떻게 영향을 미치는지 연구할 방법을 찾아야 합니다." 그레인 경계 단계를 통한 머티리얼 디자인 탐색 서로 다른 구조와 특성을 가진 이십면체 결정립계 상의 형성을 이해하고 제어하는 것은 잠재적으로 재료의 특성을 조정하는 데 사용될 수 있습니다. 연구자들은 이제 이러한 새로운 결정립계 상태를 사용하여 재료 거동을 조정하고, 특정 재료 기능을 조정하고, 재료를 분해 과정에 대해 더 탄력적으로 만드는 방법을 체계적으로 조사하고자 합니다.
참고문헌: Vivek Devulapalli, Enze Chen, Tobias Brink, Timofey Frolov 및 Christian H. Liebscher의 "Topological grain boundary segregation transitions", 2024년 10월 24일, Science . DOI: 10.1126/science.adq4147
https://scitechdaily.com/unlocking-the-atomic-secrets-of-super-durable-materials/
mssoms 메모 2411010319
단단한 물질은 금속이고 철이나 티타늄의 원자들이 모였다. 우주의 물질이 금속으로 모이는 곳은 행성이고 무거운 원소들이 극저온에 더 단단해진다.
극저온은 msbase.qpeoms의 사이드에서 형성되고 ems가 커질수록 사이드는 더 낮은 온도를 가진다. 금속이 더 단단해지는 이유 sidems화 되기 때문이고 이를 결정립계로 볼 수 있다. 어허.
소스1. 편집
결정립계와 재료 성능
대부분의 기술 소재는 다결정 구조를 가지고 있는데, 이는 원자가 규칙적인 격자로 배열된 여러 개의 결정으로 구성되어 있다는 것을 의미한다. 이러한 결정은 소재 전체에 걸쳐 동일한 방향으로 정렬되지 않으며, 결정 사이의 계면을 결정립계라고 한다.
이러한 결정립계는 재료의 내구성과 전반적인 성능에 엄청난 영향을 미친다.하지만 원소가 결정립계로 분리될 때 무슨 일이 일어나는지, 그리고 그것이 재료의 속성에 어떤 영향을 미치는지에 대한 이해는 매우 제한적이다.
시뮬레이션은 철 함량이 다를 때 항상 케이지 구조가 다른 결정립계 상의 기본 구성 요소라는 것을 보여준다. 결정립계에서 철 수준이 증가함에 따라 더 많은 이십면체 단위가 나타나고 결국 응집된다. 이 맥락에서 이십면체는 12개의 꼭짓점, 즉 원자가 차지하는 점과 20개의 면을 가진 기하학적 모양이다.
1.
금속성 철원자가 게이지 속성에 기인할 때 기하학적 안정성을 가지면서 20면체 결정립계 형상이 발견됐다.
sms 케이지 구조를 자세히 살펴본 결과, 원자가 이십면체 배열을 하고 있으며, 이십면체의 중심에 철 원자가 위치하고 정점에 티타늄 원자가 위치한다는 사실이 밝혀졌다. 동일한 경계의 다섯 개 이상의 뚜렷한 구조 또는 결정립계 상을 식별했으며, 모두 동일한 이십면체 케이지 단위의 다른 배열로 구성되었다.
잠깐, 여기서 스톱!
게이지 구조와 결정립계를 이해하기 위해 나의 이론에서는 sms.vix.ain 보기1.의 안정적인 모습에 비유를 도입해본다.
sample 1.vix.a'6//vixx.a(b1,g3,k3,o5,n6)=g
b0acfd|0000e0
000ac0|f00bde
0c0fab|000e0d
e00d0c|0b0fa0
f000e0|b0dac0
d0f000|cae0b0
0b000f|0ead0c
0deb00|ac000f
ced0ba|00f000
a0b00e|0dc0f0
0ace00|df000b
0f00d0|e0bc0a
보기2.
g000--vix.a
000g-vixx.a
0g00--
00g0-
이십면체 케이지는 보기2.에 보기1.이 들어가 결정립계 철 원자를 밀집적으로 포장할 수 있으며, 비주기적 클러스터를 형성할 수 있기 때문에 결정립계에 수용할 수 있는 철의 양이 무제한적이다.
잠깐, 보기1.은 이십억면체 결정립계도 만들수 있는 알고리즘이라는 점. 알아야혀...허허.
이는 보기1.에서의 철이 준결정과 같은 보기2.결정립계 상 내부에 갇힌 것처럼 보인다. 일종에 magicsum 상수분포와 같다. 보기1.처럼 제 위치에 있어주는 결정립계이다. 허허.
이것들이 msbase 인터페이스 경로 속성과 이를 통한 재료 거동에 상당한 영향을 미친다. 그러한 초강도 금속구조물 재료들은 우주에 필요한 인공구조물의 재질적 단단함의 균일성을 유지 시켜주므로써 각종 매카니즘 기계적 구성의 변형없는 수천억년의 장기간의 금속적 구조물의 안정성을 유지할 수 있다. 어허.
mssoms memo 2411010319
Hard materials are metals and atoms of iron or titanium are gathered. The places where matter in the universe gathers as metals are planets and heavy elements become harder at extremely low temperatures.
Cryogenics are formed on the side of msbase.qpeoms and the larger the ems, the lower the temperature on the side. The reason why metals become harder is because they become sidems and this can be seen as grain boundaries. Oh.
Source 1. Edit
Grain boundaries and material performance
Most technical materials have a polycrystalline structure, which means that they are made up of multiple crystals in which atoms are arranged in a regular lattice. These crystals are not aligned in the same direction throughout the material, and the interfaces between the crystals are called grain boundaries.
These grain boundaries have a huge impact on the durability and overall performance of the material. However, our understanding of what happens when elements separate into grain boundaries and how this affects the properties of the material is very limited.
Simulations show that cage structures are always the fundamental building blocks of different grain boundary phases when iron content is different. As the iron level increases at the grain boundary, more icosahedral units appear and eventually aggregate. In this context, an icosahedron is a geometrical shape with 12 vertices, or points occupied by atoms, and 20 faces.
1.
The icosahedral grain boundary shape was discovered to have geometric stability when metallic iron atoms are due to gauge properties.
A closer look at the sms cage structure reveals that the atoms are arranged in an icosahedral arrangement, with iron atoms centered on the icosahedron and titanium atoms at the vertices. Five or more distinct structures or grain boundary phases of the same boundary have been identified, all consisting of different arrangements of the same icosahedral cage units.
Wait, stop here!
To understand the gauge structure and grain boundaries, my theory introduces an analogy to the stable shape of sms.vix.ain View 1.
View 1.vix.a'6//vixx.a(b1,g3,k3,o5,n6)=g
b0acfd|0000e0
000ac0|f00bde
0c0fab|000e0d
e00d0c|0b0fa0
f000e0|b0dac0
d0f000|cae0b0
0b000f|0ead0c
0deb00|ac000f
ced0ba|00f000
a0b00e|0dc0f0
0ace00|df000b
0f00d0|e0bc0a
View 2.
g000--vix.a
000g-vixx.a
0g00--
00g0-
The icosahedral cage can pack iron atoms densely in the grain boundary of View 2. and can form aperiodic cluster, so the amount of iron that can be accommodated in the grain boundary is unlimited.
Wait, View 1. is an algorithm that can also create a icosahedral grain boundary. You should know... Hehe.
This looks like the iron in View 1. is trapped inside the grain boundary of View 2., which is like a quasi-crystal. It's a kind of magicsum constant distribution. It's a grain boundary that stays in place like View 1. Hehe.
These have a significant impact on the path properties of the msbase interface and the material behavior through it. Such ultra-strong metal structural materials can maintain the uniformity of the material hardness of artificial structures needed in the universe, thereby maintaining the stability of metallic structures for hundreds of billions of years without deformation of various mechanisms and mechanical configurations. Oh my.
sample 1.vix.a'6//vixx.a(b1,g3,k3,o5,n6)
b0acfd|0000e0
000ac0|f00bde
0c0fab|000e0d
e00d0c|0b0fa0
f000e0|b0dac0
d0f000|cae0b0
0b000f|0ead0c
0deb00|ac000f
ced0ba|00f000
a0b00e|0dc0f0
0ace00|df000b
0f00d0|e0bc0a
sample qoms (standard)
0000000011=2,0
0000001100
0000001100
0000010010
0001100000
0101000000
0010010000
0100100000
2000000000
0010000001
sample 1.vix.a'6//vixx.a(b1,g3,k3,o5,n6)=g
b0acfd|0000e0
000ac0|f00bde
0c0fab|000e0d
e00d0c|0b0fa0
f000e0|b0dac0
d0f000|cae0b0
0b000f|0ead0c
0deb00|ac000f
ced0ba|00f000
a0b00e|0dc0f0
0ace00|df000b
0f00d0|e0bc0a
.Machine Learning Unlocks Secrets to Advanced Alloys
머신 러닝이 고급 합금의 비밀을 밝혀내다
MIT 팀은 컴퓨터 모델을 사용하여 금속의 원자 패턴을 측정합니다. 이는 항공우주, 생물의학, 전자 등에서 사용되는 맞춤형 소재를 설계하는 데 필수적인 기술입니다. 2024년 10월 1일 매사추세츠 공과대학, 캠브리지, MA 이 예술적 삽화는 미묘한 패턴을 가진 고엔트로피 합금의 원자의 독특한 배열을 보여줍니다. 머신 러닝 기술은 MIT 연구자들이 이러한 패턴을 정확하게 측정하는 데 도움이 되었습니다. (이미지: MIT)
금속 합금에서 단거리 질서(SRO) 개념(작은 거리에 걸친 원자의 배열)은 재료 과학 및 엔지니어링 분야에서 충분히 탐구되지 않았습니다. 하지만 지난 10년 동안 SRO를 정량화하는 데 대한 관심이 다시 높아졌습니다. SRO를 디코딩하는 것은 더 강하거나 내열성 재료와 같은 맞춤형 고성능 합금을 개발하는 데 중요한 단계이기 때문입니다. 원자가 어떻게 배열되는지 이해하는 것은 쉬운 일이 아니며, 불완전한 모델을 기반으로 한 집중적인 실험실 실험이나 컴퓨터 시뮬레이션을 사용하여 검증해야 합니다. 이러한 장애물로 인해 금속 합금에서 SRO를 완전히 탐색하는 것이 어려웠습니다.
하지만 MIT 재료 과학 및 공학과(DMSE) 대학원생인 킬리언 셰리프와 이판 카오는 기계 학습을 사용하여 SRO를 구성하는 복잡한 화학적 배열을 원자 단위로 정량화하고 있습니다. Rodrigo Freitas 조교수의 지도와 전기 공학 및 컴퓨터 과학과의 Tess Smidt 조교수의 도움을 받아 그들의 연구는 최근 The Proceedings of the National Academy of Sciences에 게재되었습니다.
SRO에 대한 관심은 복잡한 구성으로 인해 뛰어난 특성을 갖는 고엔트로피 합금이라 불리는 첨단 소재에 대한 열광과 연결되어 있습니다. 일반적으로 재료 과학자들은 한 원소를 기본으로 사용하고 다른 원소를 소량 첨가하여 특정 특성을 강화함으로써 합금을 개발합니다. 예를 들어 니켈에 크롬을 첨가하면 결과적으로 생성되는 금속이 부식에 더 강해집니다. 대부분의 전통적인 합금과 달리, 고엔트로피 합금은 3개에서 20개까지의 여러 원소를 거의 동일한 비율로 가지고 있습니다. 이는 광범위한 설계 공간을 제공합니다. 카오는 "더 많은 재료로 요리법을 만드는 것과 같습니다."라고 말합니다. 목표는 SRO를 "노브"로 사용하여 고엔트로피 합금에서 화학 원소를 독특한 방식으로 혼합하여 재료 특성을 조정하는 것입니다. 이 접근 방식은 항공우주, 생물의학, 전자와 같은 산업에서 잠재적으로 적용 가능하며, 원소의 순열과 조합을 탐구해야 할 필요성을 촉진한다고 Cao는 말합니다.
가지 방식의 머신 러닝 솔루션 Cao는 머신 러닝을 사용하여 SRO를 연구하려면 고엔트로피 합금의 결정 구조를 색칠 공부 책에서 점들을 연결하는 게임으로 표현하는 것이 도움이 된다고 말합니다. "패턴을 보려면 점을 연결하는 규칙을 알아야 합니다." 그리고 전체 패턴에 맞을 만큼 큰 시뮬레이션으로 원자 상호 작용을 포착해야 합니다. 첫째, 규칙을 이해한다는 것은 고엔트로피 합금에서 화학 결합을 재현하는 것을 의미했습니다.
Freitas는 "화학 패턴에는 작은 에너지 차이가 있어 단거리 질서의 차이로 이어지고, 우리는 그것을 할 수 있는 좋은 모델이 없었습니다."라고 말합니다. 팀이 개발한 모델은 SRO를 정확하게 정량화하는 데 있어 첫 번째 구성 요소입니다. 연구자들이 전체적인 그림을 파악하도록 하는 과제의 두 번째 부분은 더 복잡했습니다. 고엔트로피 합금은 수십억 개의 화학적 "모티프", 즉 원자 배열의 조합을 나타낼 수 있습니다.
시뮬레이션 데이터에서 이러한 모티프를 식별하는 것은 대칭적으로 동등한 형태(회전, 미러링 또는 반전)로 나타날 수 있기 때문에 어렵습니다. 언뜻 보기에는 다르게 보일 수 있지만 여전히 동일한 화학 결합을 포함합니다. 이 팀은 3D 유클리드 신경망을 사용하여 이 문제를 해결했습니다. 이러한 고급 계산 모델을 통해 연구자들은 고엔트로피 물질의 시뮬레이션에서 화학적 모티프를 전례 없는 세부 사항으로 식별하고 원자 하나하나를 조사할 수 있었습니다. 마지막 과제는 SRO를 정량화하는 것이었습니다. Freitas는 기계 학습을 사용하여 다양한 화학 모티프를 평가하고 각각에 숫자를 태그했습니다. 연구자들이 새로운 재료에 대한 SRO를 정량화하고자 할 때, 그들은 모델을 실행하여 데이터베이스에서 정렬하고 답을 내놓습니다. 팀은 또한 모티프 식별 프레임워크를 더 접근하기 쉽게 만들기 위해 추가적인 노력을 투자했습니다.
Freitas는 "[SRO]의 모든 가능한 순열에 대한 이 시트를 이미 설정했고, 이 머신 러닝 프로세스를 통해 각각이 어떤 숫자를 얻었는지 알고 있습니다."라고 말합니다. "그래서 나중에 시뮬레이션을 실행하면서 이를 분류하여 새로운 SRO가 어떻게 보일지 알려줄 수 있습니다." 신경망은 대칭 연산을 쉽게 인식하고 동일한 숫자로 동등한 구조에 태그를 지정합니다. "모든 대칭을 직접 컴파일해야 한다면, 엄청난 작업이죠. 머신 러닝이 정말 빠르게, 그리고 우리가 실제로 적용할 수 있을 만큼 저렴한 방식으로 이를 정리했습니다." Freitas가 말했습니다. 이 작업은 MIT 재료 과학 및 공학부(DMSE)의 연구자들이 수행했습니다. 자세한 내용은 아래에서 기술 지원 패키지(무료 백서)를 다운로드하세요. ADTTSP-10242
https://www.mobilityengineeringtech.com/component/content/article/51781-adttsp-10242
.Revolutionary Technology Unlocks Quantum Material Secrets at Atomic Level
혁신적인 기술로 원자 수준에서 양자 물질의 비밀이 풀렸다
Scott Gibson, Oak Ridge National Laboratory 제공2024년 10월 10일
2D 양자 물질 결함 아트 컨셉 오크리지 국립연구소의 새로운 기술인 RODAS는 원자 수준에서 정밀한 물질 분석을 가능하게 하여 이황화 몰리브덴과 같은 양자 컴퓨팅 물질의 개발을 지원합니다. 출처: SciTechDaily.com
오크리지 국립연구소의 새로운 RODAS 기술은 양자 컴퓨팅을 발전시키는 데 중요한 물질의 원자 변화에 대한 자세한 통찰력을 제공합니다 . 이 방법은 이황화 몰리브덴과 같은 물질을 손상시키지 않고 분석할 수 있는 능력을 갖추고 있어 기존 기술에 비해 상당한 발전을 이루었으며 재료 과학 분야에서 잠재적인 획기적인 발전을 가져올 것으로 기대됩니다. 에너지부 오크리지 국립연구소가 이끄는 연구진은 원자 수준에서 물질의 변화를 관찰하는 새로운 방법을 개발했습니다. 이 기술은 양자 컴퓨팅과 전자공학에 중요한 물질에 대한 이해와 개발을 발전시키는 새로운 길을 열어줍니다.
양자 물질 분석의 획기적인 진전 RODAS(Rapid Object Detection and Action System)라고 불리는 이 기술은 이미징, 분광학, 현미경을 통합하여 덧없는 원자 구조의 특성을 형성하면서 포착합니다. 이를 통해 가장 작은 규모에서 재료 특성의 진화에 대한 비할 데 없는 통찰력을 제공합니다. 주사 투과 전자 현미경(STEM)과 전자 에너지 손실 분광법(EELS)을 결합한 기존 접근 방식은 전자 빔이 분석되는 재료를 변경하거나 분해할 수 있기 때문에 제한적이었습니다.
이러한 역동성으로 인해 과학자들은 의도된 재료 속성이 아닌 변화된 상태를 측정하는 경우가 많습니다. RODAS는 이러한 한계를 극복하고 실시간 머신 러닝 을 사용하는 동적 컴퓨터 비전 지원 이미징과 시스템을 통합합니다 . 딥 러닝을 사용하여 전자 현미경 측정 수행 전자 현미경 측정은 일반적으로 2D 그리드의 모든 지점을 수집하여 수행됩니다.
여기서는 실시간으로 딥 러닝을 사용하여 관심 있는 부위만 측정(색상이 있는 원)하여 빔 아래에서 변하는 물질까지도 훨씬 더 다양한 물질에 대한 실험을 수행할 수 있습니다. 출처: Kevin Roccapriore 및 Scott Gibson/ORNL, 미국 에너지부
신속하고 비파괴적인 테스트 표본을 분석할 때 RODAS는 관심 있는 영역에만 초점을 맞춥니다. 이 접근 방식은 다른 STEM-EELS 방법에서 필요할 수 있는 몇 분과 비교했을 때 몇 초 또는 밀리초 단위로 빠른 분석을 가능하게 합니다. 중요한 점은 RODAS가 샘플을 파괴하지 않고 중요한 정보를 추출한다는 것입니다. 모든 재료에는 결함이 있으며, 이러한 결함은 전자적, 기계적 또는 양자적 등 사실상 모든 재료의 속성에 직접 영향을 미칠 수 있습니다. 결함은 본질적으로나 전자빔 조사와 같은 외부 자극에 대한 반응으로 원자 수준에서 다양한 방식으로 배열될 수 있습니다.
안타깝게도 이러한 다양한 결함 구성의 국소적 속성은 잘 이해되지 않았습니다. STEM 방법은 이러한 구성을 실험적으로 측정할 수 있지만, 구성을 변경하지 않고 특정 구성을 조사하는 것은 매우 어렵습니다.
ORNL의 나노상 재료 과학 센터의 연구 책임자인 케빈 로카프리오어는 "결함 구성을 이해하는 것은 차세대 소재를 개발하는 데 필수적입니다."라고 말했습니다. "그 지식으로 힘을 얻는다면, 우리는 의도적으로 특정 속성을 생성하기 위한 특정 구성을 만들 수 있습니다. 그러한 작업은 관찰 및 분석 활동과는 완전히 별개이지만 미래에 대한 잠재적으로 영향력 있는 방향을 나타냅니다."
양자 물질의 잠재력을 해방하다 연구팀은 양자 컴퓨팅 및 광학 응용 분야에 유망한 반도체 소재인 단일 층 몰리브덴 디설파이드에 대한 기술을 시연했습니다 . 몰리브덴 디설파이드는 단일 유황 공석이라고 알려진 결함에서 단일 광자를 방출할 수 있기 때문에 특히 흥미롭습니다. 이 소재에서 단일 유황 공석은 원자의 배열인 벌집 격자 구조에서 유황 원자 하나가 없는 것을 말합니다 . 이러한 공석은 응집되어 몰리브덴 디설파이드를 고급 기술 응용 분야에 귀중하게 만드는 고유한 전자적 특성을 생성할 수 있습니다. 과학자들은 이황화 몰리브덴과 비슷한 단일 층 재료를 연구함으로써 원자 수준에서 광학적 또는 전자적 특성에 대한 중요한 질문에 답할 수 있기를 바라고 있습니다. 재료 과학의 새로운 전선 RODAS 기술은 재료 특성화에서 상당한 도약을 나타냅니다.
이를 통해 연구자는 분석 중에 구조-속성 관계를 동적으로 탐색하고, 형성되는 특정 원자 또는 결함을 측정 대상으로 지정하고, 다양한 결함 유형에 대한 데이터를 효율적으로 수집하고, 실시간으로 새로운 원자 또는 결함 클래스를 식별하도록 적응하고, 자세한 분석을 유지하면서 샘플 손상을 최소화할 수 있습니다. 이 기술을 바나듐 도핑된 이황화 몰리브덴의 단일 층에 적용함으로써 연구팀은 전자빔 노출 하에서 결함 형성 및 진화에 대한 새로운 이해를 얻었습니다. 이 접근 방식은 동적 상태에서 재료를 탐색하고 특성화할 수 있게 해주며, 다양한 자극 하에서 재료가 어떻게 거동하는지에 대한 더 깊은 지식을 제공합니다.
"첨단 전자 현미경과 같은 재료 과학 기술은 물리적 세계에 대한 우리의 이해를 계속 확장하고 있으며, RODAS와 같은 시스템은 발견과 혁신을 가속화하는 데 중요한 역할을 할 수 있습니다."라고 Roccapriore는 말했습니다. "원자 규모에서 재료를 실시간으로 관찰하고 분석하는 능력은 컴퓨팅, 전자 및 그 이상의 분야에서 경계를 넓히고 궁극적으로 혁신적인 기술의 개발을 가능하게 할 잠재력을 보여줍니다."
ORNL의 연구실 주도 연구 및 개발 프로그램은 Interconnected Science Ecosystem 또는 INTERSECT 이니셔티브의 일환으로 이 작업을 후원했습니다. STEM 실험은 DOE 과학 사무국 기초 에너지 과학, 재료 과학 및 공학 부서의 지원을 받았으며 ORNL의 DOE 과학 사무국 사용자 시설인 Center for Nanophase Materials Sciences에서 수행되었습니다. 이 작업은 워싱턴 대학교 의 DOE 과학 사무국 기초 에너지 과학에서 자금을 지원받은 에너지 프런티어 연구 센터인 Center for the Science of Synthesis Across Scales의 일환으로 지원되었습니다 .
https://scitechdaily.com/revolutionary-technology-unlocks-quantum-material-secrets-at-atomic-level/
댓글