Die Eigenschaften von Materialien werden häufig durch Unvollkommenheiten in ihrer atomaren Struktur bestimmt, insbesondere wenn das Material selbst nur ein Atom dick ist, wie z.B. Graphen. Forscher der Universität Wien haben nun eine Methode entwickelt, die die kontrollierte Erzeugung derartiger Fehlstellen in Graphen auf Längenskalen erlaubt, die sich der makroskopischen Welt annähern. Die durch Mikroskopie in atomarer Auflösung bestätigten Forschungsergebnisse wurden in Nano Letters veröffentlicht und dienen als wesentlicher Ausgangspunkt sowohl für das anwendungsorientierte Maßschneidern von Graphen als auch für die Entwicklung neuer Materialien.

Graphen besteht aus Kohlenstoffatomen, die in einem maschendrahtähnlichen Muster angeordnet sind. Das nur ein Atom dicke Material ist bekannt für seine vielen außergewöhnlichen Eigenschaften, wie z.B. extreme Festigkeit und bemerkenswerte elektrische Leitfähigkeit. Seit seiner Entdeckung haben Forscher nach Möglichkeiten gesucht, Graphen durch kontrollierte Manipulation seiner atomaren Struktur weiter maßzuschneidern. Bislang konnten solche Veränderungen jedoch nur lokal bestätigt werden, da die Abbildung großer Proben mit atomarer Auflösung und die Analyse großer Datensätze eine Herausforderung darstellten.

Nun hat ein Team um Jani Kotakoski an der Universität Wien zusammen mit Nion Co. einen experimentellen Aufbau rund um ein atomar auflösendes Nion UltraSTEM 100 Mikroskop mit neuen Ansätzen zur Bildgebung und Datenanalyse durch maschinelles Lernen kombiniert, um die Kontrolle von Graphen auf atomarer Ebene in Richtung makroskopischer Probengrößen zu bringen.

Zu Beginn des Experiments wird Graphen durch Laserbestrahlung gereinigt und danach kontrolliert durch niederenergetische Argon-Ionen-Bestrahlung modifiziert. Danach wird die Probe unter Vakuum in das Mikroskop überführt, wo sie mithilfe eines automatischen Algorithmus mit atomarer Auflösung abgebildet wird. Die aufgenommenen Bilder werden an ein neuronales Netzwerk weitergeleitet, das die atomare Struktur erkennt und so einen umfassenden Überblick über die atomare Veränderung der Probe liefert.

"Der Schlüssel zum erfolgreichen Experiment war die Kombination unseres einzigartigen Versuchsaufbaus mit den neuen automatisierten Bildgebungs- und maschinellen Lernalgorithmen", sagt Alberto Trentino, der Hauptautor der Studie. "Die Entwicklung aller notwendigen Teile war der Erfolg echter Teamarbeit, die jetzt leicht für Folgeexperimente verwendet werden können", fährt er fort. Tatsächlich erweitern die Forscher nach dieser gelungenen atomaren Veränderung von Graphen über große Bereiche einer Probe bereits die Methode, um die erzeugten strukturellen Unvollkommenheiten zum Beispiel zur Verankerung von Fremdatomen in der Struktur zu nutzen. "Wir sind begeistert von der Möglichkeit, mithilfe dieser Methode – ausgehend von der atomaren Ebene – neue Materialien zu erschaffen", schließt der Leiter des Forschungsteams Jani Kotakoski.