[논문 리뷰] Tracking atomic structure evolution during directed electron beam induced Si-atom motion in graphene via deep machine learning

Maxim Ziatdinov, Stephen Jesse외 3명|arXiv (Cornell University)|2018. 09. 13.

Electron and X-Ray Spectroscopy Techniques인용 수 5

한 줄 요약

이 연구는 깊이 학습을 활용한 원자 척도 구조 진화 실시간 분석을 통해 집중 전자빔을 이용해 그래핀 내 개별 Si 원자의 결정적이고 궤적 제어된 운동을 구현한다. 이 방법은 균근 혼합 모델링과 주성분 분석을 조합하여 고체 격자 특성의 하위격자별 원자 변형을 해소하며, 결함 라이브러리 제작과 원자 조작에서의 대칭성 붕괴 물리학을 드러낸다.

ABSTRACT

Using electron beam manipulation, we enable deterministic motion of individual Si atoms in graphene along predefined trajectories. Structural evolution during the dopant motion was explored, providing information on changes of the Si atom neighborhood during atomic motion and providing statistical information of possible defect configurations. The combination of a Gaussian mixture model and principal component analysis applied to the deep learning-processed experimental data allowed disentangling of the atomic distortions for two different graphene sublattices. This approach demonstrates the potential of e-beam manipulation to create defect libraries of multiple realizations of the same defect and explore the potential of symmetry breaking physics. The rapid image analytics enabled via a deep learning network further empowers instrumentation for e-beam controlled atom-by-atom fabrication. The analysis described in the paper can be reproduced via an interactive Jupyter notebook at https://git.io/JJ3Bx

연구 동기 및 목표

• 집중 전자빔을 이용해 그래핀 내 개별 Si 원자의 정밀하고 방향성 있는 이동을 달성하기 위해.
• 원자 이동 중 Si 도핑 원자의 동적 구조 진화와 그 주변 격자의 변화를 분석하기 위해.
• 고도의 데이터 분석 기법을 활용해 두 개의 그래핀 하위격자에 특화된 원자 변형을 분리하기 위해.
• 동일한 도핑 원자에 대해 다수의 결함 구조를 생성하여 결함 형성의 통계적 분석을 가능하게 하기 위해.
• 빠른 딥 러닝 기반 영상 분석을 통해 전자빔 제어 원자 단위 조립의 가능성을 입증하기 위해.

제안 방법

• 실험적 투과 전자현미경(TEM) 영상에 기반한 딥 러닝 신경망을 훈련시어 실시간 고정밀 원자 구조 분석을 가능하게 한다.
• 딥 러닝 처리된 데이터로부터 주요 구조 모드를 추출하기 위해 주성분 분석(PCA)을 적용한다.
• 원자 구조의 특성에 따라 구조적 특성에 기반해 원자 구조를 군집화하고 분리하기 위해 균근 혼합 모델(GMM)을 사용한다.
• GMM과 PCA의 조합을 통해 두 상이한 그래핀 하위격자에 특화된 원자 변형을 분리할 수 있다.
• 이 방법은 정의된 전자빔 궤적을 따라 원자 운동과 구조 변화를 추적할 수 있다.
• 분석 전반의 재현 가능성을 보장하기 위해 전체 분석 파이프라인을 재현할 수 있는 상호작용형 Jupyter 노트북을 제공한다.

실험 결과

연구 질문

• RQ1 그래핀 내 Si 도핑 원자가 전자빔에 의해 이동하는 동안 원자 구조는 어떻게 진화하는가?
• RQ2 도핑 원자 이동 중 두 개의 그래핀 하위격자에 각각 관련된 구체적인 구조적 변형은 무엇인가?
• RQ3 딥 러닝은 전자현미경에서 원자 척도의 구조 역학을 실시간으로 정확하게 분석할 수 있는가?
• RQ4 통제된 Si 원자 이동 중 형성된 결함 구조의 통계적 분포는 어떠한가?
• RQ5 원자 조작 과정에서 대칭성 붕괴 효과는 어느 정도 관측되고 정량화될 수 있는가?

주요 결과

• 딥 러닝 모델은 전자빔 유도 Si 원자 이동 중 원자 구조 진화의 실시간 고정밀 추적을 가능하게 한다.
• GMM와 PCA의 조합을 통해 하위격자별 원자 변형이 성공적으로 분리되었다.
• 이 방법은 도핑 원자 이동 중 두 그래핀 하위격자에서의 구조적 반응의 차이를 드러내며 대칭성 붕괴 효과를 시사한다.
• 동일한 결함 구조의 여러 실현 사례가 생성되어 향후 분석을 위한 통계적 결함 라이브러리가 형성되었다.
• 오픈소스 Jupyter 노트북을 통해 분석 파이프라인이 완전히 재현 가능하여 투명성과 재사용성이 향상되었다.
• 본 연구는 2차원 물질에서 프로그래머블 원자 단위 조립을 위한 전자빔 조작의 잠재력을 입증한다.