Atom identification through electrostatic potential by AFM
Loading...
URL
Journal Title
Journal ISSN
Volume Title
Perustieteiden korkeakoulu |
Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
2020-01-21
Department
Major/Subject
Engineering Physics
Mcode
SCI3056
Degree programme
Master’s Programme in Engineering Physics
Language
en
Pages
46
Series
Abstract
Scanning probe microscopy has enabled imaging individual planar molecules with atomic resolution. However, typically only the backbone of the molecule is clearly visible and a viable method for identifying the atomic species of the molecule is yet to be found. It has been observed that AFM imaging of the same molecule with different tip apexes results in slight changes of the image contrast. A major source of these apparent distortions in the AFM images are caused by the electrostatic interactions between the tip apex and the molecule. An ongoing collaborative study aims to investigate whether the electrostatic potential data of a given molecule combined with machine learning could solve the problem of atom identification. Researchers from different fields attempt to tie together experimental scanning probe microscopy, computational physics, computer vision, and machine learning in such a way that an optimized machine learning algorithm could make an accurate interpretation of an AFM image of any molecule. Our research group plays the part of providing experimental AFM data in order to test the machine learning algorithm and to validate the results. The focus of this thesis is on the experimental work of obtaining the necessary AFM images. Therefore, the principle of AFM, the used equipment, sample, and tip preparation are discussed. Furthermore, the obtained AFM images are presented. In this thesis, two different molecules were imaged: PTCDA and Me-PTCDI. The experimental results show that different tips produce changes in the image contrast. The CO tip gave a better resolution and less apparent distortions than the Xe tip. Due to the clustering of molecules during the deposition, PTCDA images were not taken from an individual molecule, but on the edge of a cluster. An individual Me-PTCDI molecule was imaged, but only with a CO tip. These results will be combined with the AFM image simulation / machine learning infrastructure in the future.Atomivoimamikroskopia (AFM) on mahdollistanut yksittäisten molekyylien kuvantamisen atomien tarkkuudella. Saaduissa kuvissa nähdään kuitenkin pelkkä molekyylirakenne, eikä vielä ole löydetty soveltuvaa tapaa sen tunnistamiseen, mitä alkuainetta kuvatut atomit ovat. On havaittu, että atomivoimamikroskoopin tuottama kuva kohdemolekyylistä riippuu siitä, minkälainen atomi tai molekyyli mikroskoopin mittakärjen päässä on. Kuvissa nähtävät erot johtuvat suureksi osaksi mittakärjen viimeisen atomin tai molekyylin elektrostaattisten ominaisuuksien eroista. Käynnissä olevan tutkimustyön tarkoituksena on ottaa selvää, voidaanko yhdistämällä koneoppimista ja sähköstaattisen potentiaalin sisältävää dataa tunnistaa atomilajeja AFM-kuvasta. Tässä projektissa joukko tutkijoita kokeellisen AFM-kuvantamisen, laskennallisen fysiikan, konenäön sekä koneoppimisen aloilta yrittää saada aikaan koneoppimisalgoritmin, joka pystyisi täsmällisesti tulkitsemaan tuntemattoman molekyylin AFM-kuvan. Tutkimusryhmämme tehtävä on hankkia kokeellista AFM-dataa, jolla voitaisiin testata tekeillä olevaa koneoppimisalgoritmia ja vahvistaa saatujen tuloksien oikeellisuus. Tämä diplomityö keskittyy yhteisen tutkimusprojektin kokeelliseen puoleen, jossa tarvittava data hankitaan atomivoimamikroskoopilla kuvantamalla. Siksi atomivoimamikroskopoinnin perusperiaatteet, käytetty laitteisto, näytteenvalmistus sekä mittakärjen valmistelu on käyty läpi. Lisäksi AFM-kuvantamisen tulokset esitellään. Kaksi molekyyliä, PTCDA ja Me-PTCDI, valittiin tässä työssä tutkittaviksi. Kokeelliset tulokset osoittavat, että erilaiset mittakärjet tuottavat erilaisia AFM-kuvia. Hiilimonoksidilla (CO) viimeistelty mittakärki tuottaa paremman resoluution ja vähemmän vääristymistä kuvassa kuin xenon-mittakärki. PTCDA-molekyylit muodostivat pinnalle pieniä ryhmiä, joten PTCDA:n kuvantaminen tapahtui molekyylirykelmän reunalla eikä erillisestä molekyylistä. Yksittäinen Me-PTCDI saatiin kuvattua vain CO-mittakärjellä. Yhteistyöprojektin koneoppimisvaihe on vielä kesken, eikä sitä käsitellä tässä työssä.Description
Supervisor
Liljeroth, PeterThesis advisor
Alldritt, BenjaminKeywords
AFM, STM, tip functionalization, electrostatics