Nieuwe studie onthult waarom het oppervlak van goud (111) een visgraatstructuur vormt

Goud, een edelmetaal, is misschien wel het meest gebruikte metaal voor sieraden en munten vanwege de fysieke eigenschappen die uniek zijn voor de wereld van metalen. Het is niet alleen een goede geleider van warmte en elektriciteit, het wordt ook niet beïnvloed door lucht en de meeste reagentia.

Het wordt ook gebruikt in een breed scala van industriële, wetenschappelijke en medische toepassingen. Het is bijvoorbeeld gebruikt als sjabloon voor moleculaire zelfassemblage, het ondersteunende materiaal voor tweedimensionale materiaalgroei, en vooral voor de synthese van koolstofnanoribbons. Meer dan een halve eeuw geleden onthulden onderzoekers de mooie texturen op gouden oppervlakken op nanoschaal. Inspanningen voor een beter begrip van de oppervlaktestructuren op atomaire schaal zijn vanaf dat moment voortdurend betaald.

Au(111)-oppervlak, het meest stabiele goudoppervlak, heeft een periodieke visgraatstructuur die kan worden waargenomen door geavanceerde microscopen. Een langetermijnpuzzel is waarom deze vreemde visgraat zich op dit gouden oppervlak vormt. Er zijn tientallen jaren uitgebreide studies uitgevoerd, maar een grondige beschrijving van structuurdetails ontbreekt nog steeds en daarom is het onderliggende mechanisme nooit goed begrepen.

De moeilijkheid in deze kwestie ligt in het feit dat, hoewel de grootte van de textuur op nanoschaal is, de periodieke eenheid ervan nog steeds meer dan 100.000 atomen bevat. Om dit systeem kwantitatief te bestuderen, is een zeer efficiënte en ook zeer nauwkeurige rekenmethode nodig. In traditionele benaderingen kan echter niet tegelijkertijd aan deze twee vereisten worden voldaan.

Onlangs hebben Distinguished Professor Feng Ding (Department of Materials Science and Engineering) en zijn collega’s van het Center for Multidimensional Carbon Materials (CMCM), binnen het Institute for Basic Science (IBS) van UNIST, gebruik gemaakt van de state-of-the-art neurale netwerkmethode om een ​​goudkrachtveld te trainen vanuit een nauwkeurige maar langzame rekenmethode.

Door het krachtige leervermogen van neurale netwerken verkrijgt dit nieuwe krachtveld bijna dezelfde nauwkeurigheid, en belangrijker nog, het is vele ordes van grootte sneller dan de oorspronkelijke methode.

Met behulp van dit krachtveld simuleerden de auteurs met succes de experimenteel waargenomen visgraattextuur op het Au(111)-oppervlak en onthulden dat er een niet-verwaarloosbare vervorming onder het oppervlak is.

Deze vervorming is van cruciaal belang voor de vorming van de visgraattextuur omdat het een effectieve ontspanning van de herschikte oppervlakte-atomen mogelijk maakt. Als de vervorming wordt onderdrukt (bijvoorbeeld een dun model), wordt de textuur strepen.

Ondertussen hebben de auteurs ook geverifieerd dat de visgraattextuur gevoelig is voor toegepaste stammen. Op een spanningsvrij oppervlak is de visgraatstructuur spiegelsymmetrisch. Als er echter een lichte spanning wordt geïntroduceerd, wordt de textuur gekanteld. Boven een kritische soort verandert het grondig in een streeptextuur.

“Dit belangrijke werk breidt de toepassing van de machinale leermethode in de materiaalwetenschap uit en opent een nieuwe weg om complexe oppervlaktesystemen te bestuderen”, merkte het onderzoeksteam op.

Onder leiding van Distinguished Professor Feng Ding, werd deze studie voor het eerst geschreven door Dr. Pai Li. De bevindingen van dit onderzoek zijn gepubliceerd in het oktobernummer van 2022 Wetenschappelijke vooruitgang.