中文

界面能梯度驱动支持型纳米颗粒的熔化

机器学习 2025-06-06 v1

摘要

理解和控制纳米颗粒的熔化对于从催化到纳米器件制造等应用至关重要,但对动态演化、异构基底上纳米颗粒行为的了解仍然不足。本文采用原位透射电子显微镜研究了铂 (Pt) 纳米颗粒在硅氮化物 (SiNx_x) 基底上的动力学,其中刻意通过在 800800^\circC 下的电子束辐照形成局部晶体硅 (Si) 纳米域。我们观察到,与这些 Si 垫接触的 Pt 纳米颗粒会转化为更具移动性的铂硅化物 (Pt3_3Si) 相。显著的是,这些 Pt3_3Si 纳米颗粒表现出强大的方向性迁移,沿着界面能梯度远离 Si 垫,而非进行随机布朗运动。这种定向运动根本决定了熔化路径,导致颗粒被引导至一起从而实现增强的烧结,或当 Si 垫充当排斥屏障时抑制熔化。我们的发现表明,局部基底化学及其导致的界面能景观可支配固态纳米颗粒迁移和组装,凌驾于初始粒子尺寸或距离之上。本工作提供了基底异构性如何用于引导纳米颗粒行为的见解,挑战了传统的熔化模型,为合理设计支持型纳米材料提供了路径。

关键词

引用

@article{arxiv.2506.04454,
  title  = {Neurosymbolic Artificial Intelligence for Robust Network Intrusion Detection: From Scratch to Transfer Learning},
  author = {Huynh T. T. Tran and Jacob Sander and Achraf Cohen and Brian Jalaian and Nathaniel D. Bastian},
  journal= {arXiv preprint arXiv:2506.04454},
  year   = {2025}
}

备注

17 pages, 5 figures, 11 tables