Идентификация лёгких элементов на наноуровне с использованием STEM-EDS с поддержкой машинного обучения

Идентификация лёгких элементов необходима в материаловедении для получения подробной информации о различных свойствах материалов. Однако описанные методы, такие как растровая просвечивающая электронная микроскопия (STEM) в сочетании с энергодисперсионной рентгеновской спектроскопией (EDS), обладают недостаточными пределами обнаружения, что затрудняет идентификацию. В этом исследовании мы добились идентификации лёгких элементов с наномасштабным пространственным разрешением в многокомпонентном металлическом сплаве с помощью неконтролируемых алгоритмов машинного обучения: сингулярного разложения (SVD) и метода независимых компонент (ICA). Повышение отношения сигнал/шум (SNR) в спектральных изображениях STEM-EDS было достигнуто комбинированием SVD и ICA, что позволило выявить наномасштабную область с истощением азота (N), не наблюдавшуюся в исходных измерениях STEM-EDS. Кроме того, формирование наномасштабной N-обеднённой области было подтверждено с помощью STEM-электронной энергетической потерьной спектроскопии (EELS) и моделирования многокомпонентной диффузионной трансформации. Улучшение SNR в спектральных изображениях STEM-EDS с помощью алгоритмов машинного обучения может предоставить эффективный и экономичный метод химического анализа для идентификации лёгких элементов на наноуровне.