Caracterización de nanoestructuras metálicas de Au por métodos

Caracterización de nanoestructuras metálicas de Au por métodos

Caracterización de nanoestructuras metálicas de Au por métodos
computacionales: nanoherramienta para determinación semiautomatizada
de tamaños
J. A. Lombardero-Chartuni
1,2
1,2
1
3
, E. L. Juárez-Ruiz , J. C. Moctezuma , J. Ascencio
Resumen
Este trabajo se plantea en el contexto de la ciencia de materiales avanzados, computación, y nanocienciananotecnología, dentro del complejo problema interdisciplinario que representa la caracterización de
nanoestructuras metálicas entendida como la determinación de su tamaño, composición, forma y estructura. En
esta aproximación se aborda la problemática que responde a la determinación del tamaño de pequeñas
-9
partículas metálicas de Au de dimensión nanométrica (1X10 m) por métodos computacionales, empleando
algoritmos eficaces que permiten una mayor versatilidad, precisión y exactitud en la extracción de
características y, el reconocimiento de patrones geométricos de la imagen digital generada por microscopía
electrónica de alta resolución. Es urgente el desarrollo de nanoherramientas que contribuyan con una
solución a nivel nanoescalar abordando el problema de interpretación, identificación y reconocimiento de
nanopartículas en micrografías y, la significativa reducción del tiempo de procesado y costo económico.
1. Introducción
El estudio de las nanopartículas
metálicas es cada vez más atrayente e
interesante para el investigador desde que
ha quedado establecido que tanto la
dimensionalidad como la geometría tienen
un papel trascendente en la determinación
de propiedades de los materiales [1,3]. Las
nanopartículas metálicas son la base de la
nueva
generación
de
dispositivos
electrónicos, biosensores y sensores
1 Facultad de Electrónica, Benemérita Universidad
Autónoma de Puebla, 18 Sur y Ave. San Claudio s/n. Ciudad
Universitaria, Puebla, México. CP 72570.
Tel: (222) 2-29-95-00. [email protected]
2 Universidad Popular Autónoma del Estado de Puebla, 21
sur 1103, Puebla, México CP 72160.
Tel: (222) 2-29-94-00. [email protected]
3 Instituto de Ciencias Físicas, Ave. Universidad s/n Col.
Chamilpa, Cuernavaca Morelos, México. CP 62190.
[email protected]
químicos [4-6] . En la literatura actual hay
tres
temas
de
investigación
que
predominan:
1. Síntesis
y
ensamble
de
nanopartículas
metálicas
de
geometría y tamaño bien definidos.
2. Efectos estructurales y de superficie.
3. Tamaño, forma y efectos en
propiedades de las partículas [7].
Ha sido posible estudiar la geometría de
estas partículas gracias a los beneficios de
la tecnología, especialmente de la
microscopía electrónica [8,9].
En este trabajo se aborda el problema de la
extracción
de
características
de
nanoestructuras metálicas de Au por
métodos computacionales con el desarrollo
de
una
nanoherramienta
para
la
determinación de tamaños a partir de la
identificación de nanoestructuras
micrografías de alta resolución.
en
Inicialmente, se revisa en la literatura cómo
se obtiene y optimiza la caracterización
nanoestructural a partir de imágenes reales
y simuladas previamente obtenidas, tanto
por simulación de la geometría molecular,
como de algunas técnicas de microscopía
electrónica, en particular, de alta resolución
(HRTEM por sus siglas en inglés) de
algunos tipos de nanopartículas metálicas a
través de su comparación y contrastación
por medio del reconocimiento de patrones
estructurales geométricos presentes en su
distribución y conformación atómica. Son
decisivas sus disposiciones y arreglos
atómicos, referidas a la determinación de
su tamaño y estructura de esos objetos que
toman formas poligonales y poliedrales,
donde se resalta su importancia e impacto
en el estudio de sus propiedades y posibles
aplicaciones.
Por otro lado, se analiza cómo se relaciona
método y caracterización, cuáles son los
recursos y efectos de la práctica
interdisciplinaria en el empleo de técnicas
del análisis y procesamiento de la imagen
digital obtenida por técnicas de simulación
de la geometría nanoestructural y
microscopía electrónica de alta resolución.
La primera, con sus métodos teóricos que
proporcionan la comprensión y aplicación
de determinados elementos de análisis, con
múltiples operaciones y procedimientos
fundamentales para la construcción de
modelos estructurales simulados de
imágenes de nanopartículas y clusters
metálicos, que son arreglos ordenados de
agregados de átomos basados en patrones
de geometría poliedral; y por otro, en sus
contrastes característicos que sirven para
mejorar por medio del cotejo, la
interpretación de datos experimentales[1],
aprovechando los recursos propios de
software muy eficaz, de sus ventajas,
robustez y potencial como son MatLab,
Digital Micrograph y SimulaTEM.
En esta propuesta se ilustra la importancia
e impacto del empleo de software como
herramienta
para
el
análisis
de
micrografías,
para
la
identificación,
determinación y reconocimiento de una
nanopartícula metálica en un proceso de
refinamiento y medición de manera eficaz y
eficiente,
ahorrando
mucho
tiempo
habitualmente invertido por el investigador,
microscopista o nanotecnólogo.
De las formas más interesantes observadas
frecuentemente en clusters metálicos
corresponden
a
las
configuraciones
mostradas en la Fig. 1.
Fig. 1. (a) cuboctaedro, (b) icosaedro,
(c) decaedro regular,(d) decaedro estrella,
(e) decaedro de Marks, (f) decaedro redondeado.
2. Formulación del problema
Uno de los grandes problemas en el
empleo de imágenes digitales de partículas
metálicas obtenidas por microscopía
electrónica es la interpretación para obtener
su caracterización nanoestructural. En la
Fig. 2 se muestra una imagen típica de
nanopartículas obtenida por HRTEM.
Fig. 2. Nanopartículas metálicas por HRTEM.
Cuando las nanopartículas son depositadas
sobre
el
sustrato,
se
orientan
aleatoriamente dificultando su identificación
(Fig. 3).
a
H
z
d
a
N
S
u
s
t
e
r
e
n
a
o
t
o
l
p
e
c
a
d
t
r
e
r
t
c
o
í
n
c
a
u
r
e
l
b
s
a
o
s
n
m
e
t
á
l
i
c
a
s
o
Fig. 3. Orientaciones que adoptan las nanopartículas
sobre un substrato respecto a un haz incidente.
La otra gran dificultad se presenta en el
desarrollo de herramientas para la
interpretación de este tipo de micrografías
de manera que sea posible la extracción de
características, es decir, la obtención de
información a resolución atómica.
2.1 Planteamiento del Problema
¿Cómo determinar el tamaño de
nanoestructuras metálicas de Au en una
micrografía
HRTEM
por
métodos
computacionales?
2.2 Hipótesis de investigación
La determinación del tamaño en la
caracterización
por
métodos
computacionales de una nanoestructura
metálica de Au se obtiene por medio del
reconocimiento de las partículas y de la
extracción
de
patrones
geométricos
representativos,
generados
por
las
conformaciones de los arreglos de átomos,
identificados a partir de los contrastes
característicos
producidos
en
las
micrografías digitales experimentales y
simuladas, adquiridas por microscopía
electrónica
a
resolución
atómica;
identificando características, medidas y
patrones obtenidos de la conformación de
arreglos atómicos en los contrastes internos
de objetos presentes en imágenes digitales
reales y simuladas de HRTEM.
2.3. Metodología
2.3.1 Unidades de análisis
En este estudio las unidades de análisis
son las nanoestructuras metálicas de Au
presentes
en
imágenes
digitales,
experimentales y simuladas.
2.3.2 Operacionalización de variables
2.3.2.1 Variables independientes:
Nanoestructuras metálicas de Au.
Imágenes digitales experimentales y
simuladas de nanoestructuras metálicas de
Au.
2.3.2.2. Variables dependientes:
Tamaño: Longitud en nm.
Forma: Geometría poliedral (arreglos
atómicos
conformados),
patrones
geométricos característicos poligonales y
poliedrales definidos por los contrastes
presentes en la imagen digital, aristas, área,
vértices y caras; formación de polígonos
hexagonales con lados iguales y decágonos
en planos, caras triangulares, estructura
híbrida entre decahedral e icosaedral con
caras triangulares y trapezoidales[1,2].
Estructura: Características geométricas
estructurales, puntos negros representando
columnas de átomos, presencia de twins,
formación de estructuras bien definidas en
forma tipo de cuadrados o hexágonos,
presencia de arreglos paralelos de átomos,
arreglos en zig-zag y de simetría que
presentan una alta característica de simetría
en todas sus posiciones, estructura amorfa
(ausencia de estructuras bien definidas).
Orientación: formación de polígonos en
planos, ángulos de alto y bajo índice o de
índice superior o inferior, simetría [1,2].
Uno de los objetivos del trabajo es el
análisis de los métodos en dos grandes
etapas en distintos proyectos, para lograr la
nanocaracterización
asistida
por
computadora,
para
mejorar
las
herramientas
existentes,
añadiéndole
nuevas funciones y recursos a su desarrollo
que está vinculada a la comprensión de
nuevos fenómenos y al progreso en otras
áreas.
3. Instrumentos (aparatos)
5 Procedimiento
Equipo de cómputo (Intel i3 Core, 4Gb en
Ram), tarjeta de video GForce, software
Digital Micrograph y MatLab para el análisis
y procesamiento de imágenes y Simulatem
para cálculo de imágenes simuladas de
estructuras, bases de datos de imágenes
de HRTEM como de simulación molecular.
4. Diseño
Se atiende a la metodología con un
enfoque basado inicialmente en un diseño
teórico-experimental, para continuar con
una orientación práctico-aplicada. Se
orienta en la conjunción de métodos y
técnicas para hacer más eficaces los
procesos de nanocaracterización debido a
las complicaciones provocadas por los
diferentes contrastes característicos que
definen las geometrías y patrones y su
respectiva interpretación.
Se aplican e integran interdisciplinariamente conocimientos de las áreas de
estudio: ciencia de materiales, microscopía
electrónica de alta resolución asistida con
informática,
simulación
molecular
y
tratamiento y análisis de imágenes
digitales.
Con las funciones del procesamiento y
análisis de imágenes se crea el Sistema
Semi Automatizado para la Medición de
Nanopartículas Metálicas (SSA-MNP) en
MatLab, el cual realiza el tratamiento de las
imágenes e incluye el análisis estadístico
presentado gráficamente de los datos, de
relaciones que muestran el cambio
significativo en la forma y tamaño, pudiendo
guardar los resultados obtenidos, teniendo
rangos aceptables de error en la medición.
Finalmente, mencionar que los datos de la
medición son interpretados para obtener
una descripción de algunos aspectos de la
estructura que representan.
6 Resultados
El SSA-MNP obtenido para la medición de
tamaño y distribución de nanopartículas
metálicas, resulta una aplicación eficaz en
el ambiente Windows.
6.1 Características del sistema
6.1.1 Requerimientos mínimos
Computadora Pentium III a 900 Mhz o
equivalente, 256 Mb en RAM, Microsoft
Windows XP.
6.1.2 Ambiente
El SSA-MNP muestrea, prueba, procesa,
analiza y mide nanoestructuras, en este
caso de Au. Es posible que el usuario
emplee alguna de las múltiples funciones
de las diferentes librerías (Toolbox) de
Matlab que necesite para sus propios
algoritmos, integrándolos al sistema como
una sola aplicación ampliando el número de
funciones.
6.1.3 Preprocesamiento de la imagen
El preprocesamiento de la imagen en el
SSA-MNP es una parte fundamental dado
que las micrografías son imágenes con
mucho ruido de fondo. En la Fig. 4 se
muestran estas etapas en una micrografía:
abrir el archivo de la imagen, ecualización y
filtrado para eliminar el ruido del fondo
(sustrato), binarización para la detección de
las nanopartículas, obtención del negativo
de la imagen y limpieza del ruido
eliminando las estructuras que se
encuentran en la frontera de la imagen.
de ocho y se especifica la escala de la
medición guardando los datos (Fig. 5).
Fig. 5 Procesamiento de la imagen.
Durante el proceso y en el momento que
sea
requerido, es posible
realizar
modificaciones en el contraste de la imagen
con el objetivo de observar si el sistema
está identificando correctamente los bordes
de las nanopartículas (Fig. 6).
Fig. 6 Modificación de contraste.
Finalmente, se obtienen las estadísticas de
las mediciones (Fig. 7).
Statistical GUI
Figura 4. a) Abrir imagen, b) Ecualización y Filtrado,
c) Binarización, d) Negativo y Limpieza.
6.1.4 Procesamiento de la imagen
En esta etapa, se selecciona en la barra del
menú del sistema el algoritmo para la
detección del borde en cada nanopartícula.
Se identifica la mayor longitud de un total
Figura 7. Estadísticas.
7 Discusión
Se desarrolló una interface computacional
flexible que permite la adaptación a las
necesidades del usuario, que admite
modificar
parámetros
según
las
características propias de la imagen y los
problemas que presente, considerando los
requerimientos
del
usuario.
La
característica de semiautomatizado permite
un desempeño exitoso. La interface gráfica
fue diseñada y construida para facilitar al
investigador el trabajo en una importante
fase inicial de caracterización de materiales
nanoestructurados. La interacción con el
sistema es amigable y éste realiza las
operaciones de preprocesamiento y análisis
de las imágenes HRTEM, además de llevar
a cabo el tratamiento estadístico de datos
requerido para la determinación de
tamaños de nanopartículas.
5 Conclusiones
La
hipótesis
fue
comprobada
satisfactoriamente después del estudio
realizado y los objetivos se cumplieron,
pues la obtención de tamaños en la
caracterización de nanopartículas metálicas
se pudo realizar mediante el procesamiento
y análisis de las imágenes digitales en
sistemas de cómputo, gracias a la
conjunción de métodos logrando eficiencia
en los procesos de reconocimiento. La
solución propuesta atiende una de las
actividades más laboriosas para la
caracterización de nanoestructuras de
manera rápida y eficiente, ofreciendo
prestaciones más allá del software
comercializado en el mercado, a mucho
menor costo, con mayores ventajas y
robustez, resultando una innovación que
cumple con su objetivo.
Referencias
1. Ascencio J. A, Gutierrez-Wing C,
Espinosa M. E., Marín M., Tehuacanero
S., Zorrilla C., Yacamán, M. José,
(1997), Structure determination of small
particles by HREM theory and
experiment, EUA, Elsevier Surface
Science No. 396, 349-368.
2. Barreto
Flores
Aldrin,
(2000),
Reconocimiento
de
Nanopartículas
usando Análisis Digital de Imágenes,
Tesis de Maestría, Tonanzintla Puebla,
México, INAOE.
3. Flewitt P.E.J., Wild R.K., (2002),
Physical
Methods
for
Materials
Characterization, EUA, Institute of
Physics Publishing.
4. Garzón Ignacio L., Noguez Cecilia,
(2005), Nanociencia y nanotecnología,
México,
Ciencia
y
Desarrollo,
CONACYT.
5. Gatan, (1999), Digital Micrograph 3.4
User´s Guide, EUA, Gatan, Inc.
6. González Jesús, (2005), Materiales
avanzados-inteligentes, México, Ciencia
y Desarrollo, CONACYT.
7. González R., (2004) Digital Image
Processing using Matlab, Pearson, EUA.
8. Nalwa,
(2000)
Handbook
of
Nanostrucutred
Materials
and
Nanotechnology, Academic Press: San
Diego, CA.
9. Yacamán, M. José, Ascencio J. A. and
Liu H. B., (2001), Structure shape and
stability of nanometric sized particles,
EUA, American Vacuum Society.