Ser

Scientific Reports volumen 13, número de artículo: 7271 (2023) Citar este artículo

338 Accesos

1 altmétrica

Detalles de métricas

El mapeo de fluorescencia de rayos X (XRF) es una técnica altamente eficiente y no invasiva para cuantificar la composición de materiales con resoluciones espaciales a micro y nanoescala. Sin embargo, el análisis cuantitativo XRF enfrenta los desafíos del problema duradero llamado ensimismamiento. Además, corregir conjuntos de datos de mapeo XRF bidimensionales es particularmente difícil porque es un problema inverso mal planteado. Aquí presentamos un método semiempírico que puede corregir eficazmente datos cartográficos XRF 2D. El error de corrección es generalmente inferior al 10 % tras una evaluación exhaustiva de la precisión en varias configuraciones. El método propuesto se aplicó para cuantificar la distribución de la composición alrededor de los límites de grano en una muestra de acero inoxidable corroída electroquímicamente. Se encontró un enriquecimiento de Cr altamente localizado alrededor de los sitios de grieta, que era invisible antes de la corrección de absorción.

El mapeo de fluorescencia de rayos X (XRF) es una medición directa y no invasiva de la composición del material1,2. Los avances recientes en fuentes de sincrotrón brillantes y microscopios de rayos X han mejorado significativamente la resolución espacial XRF (~ 10 nm)3 y la sensibilidad de detección4. Durante las últimas décadas, las amplias aplicaciones del mapeo XRF en la investigación de materiales5,6, las ciencias ambientales7 y la biología8,9 han generado demandas masivas en el análisis cuantitativo de la distribución elemental. En la investigación biológica o ambiental, cuantificar la concentración de componentes tóxicos en células o plantas puede proporcionar conocimientos críticos para comprender su biotoxicidad y sus vías de transporte10. En la ciencia de los materiales, la caracterización precisa de la heterogeneidad de la composición es un requisito previo para comprender las propiedades asociadas. Ajustar la composición (de Ni, Mn y Co) y su microestructura (concentración de gradiente, núcleo-carcasa, etc.) en la investigación de baterías de iones de litio puede mejorar significativamente la estabilidad estructural del material del cátodo (LiNiMnCoO2) y aumentar la Rendimiento de la batería11. Sin embargo, es un desafío cuantificar de manera confiable una composición resuelta espacialmente y establecer el vínculo que une la microestructura y el comportamiento electroquímico. La microscopía electrónica, a pesar de su resolución atómica y múltiples capacidades de detección, como espectros fluorescentes y de pérdida de energía electrónica12, es excelente para muestras pequeñas, pero no es adecuada para análisis estadísticos y de alto rendimiento en muestras grandes (por ejemplo, > 1 µm). Por otro lado, la XRF basada en sincrotrón puede obtener imágenes de muestras grandes de hasta cientos de micrómetros, pero el problema de la "autoabsorción" obstaculiza esencialmente el análisis totalmente cuantitativo. La emisión fluorescente de los elementos puede estar sujeta a una absorción significativa, especialmente en materiales con alta densidad de masa o densidad de electrones. Como se muestra en la Fig. 1a, la cantidad exacta de absorción está determinada por la geometría de la muestra. Una solución completa para la corrección de la autoabsorción requiere conocer los detalles geométricos de la muestra y la cantidad precisa de atenuación detectada.

Geometría de absorción para escaneo de mapeo XRF. (a) Una región local de una muestra iluminada por un haz de rayos X enfocado produce una emisión de fluorescencia en todas las direcciones. Un detector recoge una parte de los fotones de fluorescencia emitidos. El área sombreada en naranja indica el volumen de muestra responsable de atenuar las señales XRF detectadas. (b) Representación de vóxeles iluminados por el haz de rayos X de incidencia en la ubicación p y la detección de los fotones de fluorescencia por el detector a través del volumen de muestra. Voxel q representa un volumen local de la muestra que contribuye a la absorción de los fotones de fluorescencia. (c) la descripción angular entre el emisor de los fotones de fluorescencia a lo largo de la trayectoria del haz y un vóxel arbitrario dentro de la muestra responsable de la absorción.

Durante las últimas décadas, una extensa investigación se ha centrado en recuperar la intensidad atenuada del XRF modificada por la autoabsorción. Se propusieron algunas simplificaciones e hipótesis para hacer factible la corrección. Por ejemplo, la corrección del volumen 3D se puede simplificar en correcciones en cortes 2D individuales de forma independiente; o asumir una atenuación uniforme en una muestra débilmente atenuada13,14,15,16. Sin embargo, estos métodos inevitablemente comprometen la precisión de la corrección ya que no incorporan completamente la geometría de la muestra/detector y la heterogeneidad de la composición del material. Recientemente, hemos demostrado que el problema de la autoabsorción se puede resolver para el mapeo 3D XRF sin conocimiento a priori utilizando un motor de reconstrucción iterativo para lograr la autoconsistencia6. Sin embargo, corregir XRF 2D sigue siendo un desafío sin resolver, ya que no hay suficientes puntos de datos para resolver este problema inverso mal planteado. Un estudio reciente de Ippoliti et al. demostró utilizando conjuntos de datos simulados que es posible corregir la atenuación recopilando señales XRF de múltiples detectores con una relación angular diferente con la muestra17. Este trabajo obtiene información sobre la topología local de una muestra homogénea utilizando variación de señal de múltiples detectores. Aquí, proponemos un método de corrección utilizando un único detector que corrige la autoabsorción en conjuntos de datos de mapeo XRF 2D heterogéneos con alta fidelidad y precisión. Se estima que el error de corrección es inferior al 10% en general. A continuación, formulamos el problema XRF y evaluamos su precisión en varios casos. También presentamos un ejemplo con datos experimentales para mostrar cómo la corrección de absorción es necesaria para revelar las propiedades críticas del material que no son visibles en los datos de mapeo XRF 2D adquiridos antes de la corrección de absorción.

Como se representa esquemáticamente en la Fig. 1, una medición de mapeo XRF típica se realiza escaneando una muestra en el plano x – y con un haz de rayos X enfocado, iluminando la muestra en la dirección z. En una posición de muestra, p (x, y), la emisión XRF puede ocurrir en cualquier vóxel a lo largo del eje z (Fig. 1b), que contiene múltiples elementos constituyentes. Sin embargo, sólo se recoge una parte de la señal XRF debido al ángulo de aceptación limitado del detector. La señal XRF detectada emitida desde un elemento específico se puede evaluar como

\({I}_{0}\) es la intensidad del haz de rayos X incidente. n es el índice de vóxel a lo largo de la dirección z. \({A}_{Beam}\) representa la atenuación del haz incidente a través de la muestra. \({Y}^{s}\) es la intensidad de fluorescencia emitida. \({A}_{FL}\) es la atenuación de la señal XRF debido a la autoabsorción. \({A}_{Beam}\) y \({A}_{FL}\) se pueden escribir como:

En las ecuaciones. (2) y (3), \({r}^{c}\) es el porcentaje en peso del elemento constituyente c en vóxeles individuales. \({\mu }_{E}^{c}\) es el coeficiente de atenuación lineal para el elemento constituyente c en la energía incidente del haz de rayos X. \(d\) es el tamaño del vóxel. \({\mu }_{FL}^{c}\) es el coeficiente de atenuación lineal para el componente del elemento c en energía XRF. Tenga en cuenta que \({r}^{c}\), \({\mu }_{E}^{c}\) y \({\mu }_{FL}^{c}\) son funciones de coordenadas espaciales, por ejemplo, en la posición de \(\left(p, n\right)\) o \(\left(p,\sigma \right)\), donde \(\sigma\) representa la dirección de XRF emisión dentro del ángulo sólido \(\Omega\) definido por la cámara (Fig. 1b). \(l\left(\sigma \right)=\frac{d}{\mathrm{cos}\left(\theta \right)\mathrm{cos}\left(\phi \right)}\) es el efectivo Longitud de la trayectoria del haz para los fotones de fluorescencia emitidos en la dirección \(\sigma\); consulte la ilustración geométrica en la Fig. 1c.

En las ecuaciones anteriores, \({\mu }_{E}^{c}\) y \({\mu }_{FL }^{c}\) se pueden obtener de una base de datos de rayos X (por ejemplo, Xraylib ). \({Y}_{det}^{s}\left(p\right)\) y \({I}_{0}\) se obtienen a partir de mediciones experimentales. La tarea es encontrar la intensidad de fluorescencia no atenuada en el lugar de la emisión de fluorescencia p:

En el caso de imágenes de proyección 2D, falta la información exacta sobre la variación de la composición a lo largo de la dirección z. Por ahora, asumimos una distribución de composición uniforme. Tenga en cuenta que esta suposición se puede eliminar para un conjunto de datos volumétricos 3D6. Con el supuesto de una variación uniforme de la composición a lo largo del espesor de la muestra, las Ecs. (1), (2), (3) se convierten en:

con

Al resolver \({Y}_{emit}\), adoptamos la siguiente estrategia iterativa (Esquema 1) para lograr una solución autoconsistente. En general, detenemos la iteración cuando la suma de la diferencia de \({Y}_{emit}^{s}\) entre iteraciones sucesivas es inferior al 1% para todos los elementos (s) (Ec. (9)).

Estrategia iterativa para la corrección del ensimismamiento.

La suposición de una composición uniforme produce errores de segundo orden y superiores en la aproximación realizada para la ecuación. (5) (ver “Información complementaria”). También es interesante considerar una situación en la que el material no es 100% sólido, por ejemplo, con poros incrustados en su interior. La discusión sobre esta situación se detalla en la Información complementaria. Podemos corregir la atenuación siguiendo el mismo protocolo con un tratamiento sencillo. A continuación, evaluaremos la precisión de la composición del material recuperado utilizando el esquema iterativo en tres casos categóricamente diferentes. Es importante señalar que la corrección de absorción se puede modificar fácilmente para adaptarse a una geometría de medición diferente, como que la superficie normal de la muestra se incline 45 grados con el haz de rayos X de incidencia.

El primer caso corresponde al sistema donde la muestra tiene una composición uniforme a lo largo de la dirección del haz, como se ilustra en la Fig. 2. Simulamos una muestra con una composición binaria que contiene Zr y Hf. La Tabla 1 resume los parámetros relevantes para el sistema de muestra, con un rango de energía típico para los experimentos de microscopía de fluorescencia de rayos X, donde se detectan las emisiones Lα de Zr y Hf. Tenga en cuenta que el escaneo ráster se realiza en el plano x–y con el haz de incidencia a lo largo de la dirección z. El detector se coloca perpendicular al haz de incidencia para minimizar la dispersión del fondo y recoge la señal XRF a lo largo del eje y.

Simulación de corrección del ensimismamiento. (a) Muestra cúbica binaria de Zr-Hf y configuración de mapeo XRF. La composición varía en el plano x–y pero es constante a lo largo de la dirección z. El haz de rayos X ilumina la muestra en la dirección z y se realiza una exploración rasterizada en el plano x–y. El cubo tiene un tamaño de 100 × 100 × 100 vóxeles con un tamaño de vóxel de 50 nm. (b) imagen XRF 2D simulada de Zr (c) imagen XRF de Zr después de la corrección de absorción. (d) verdad fundamental de la imagen XRF de Zr (e) diferencia de fracción de Zr, calculada como: |verdad fundamental de corrección|/verdad fundamental. (f) histograma de (e). (g) imagen XRF 2D simulada de Hf. (h) Imagen XRF de Hf después de la corrección de absorción. (i) verdad fundamental de XRF de la imagen Hf XRF. (j) diferencia de fracciones de Hf. (k) histograma de (j).

La imagen XRF 2D simulada para Zr y Hf se muestra en las figuras 2b yg, respectivamente. La imagen de Zr muestra una atenuación más significativa que la imagen de Hf debido a su menor energía de emisión \(L\alpha\). La precisión de la corrección se evalúa calculando el error porcentual (PErr) entre la intensidad (\({Y}_{emit}^{s}\)) después de la corrección con respecto al valor de verdad fundamental:

PErr se evalúa en cada píxel de la imagen Zr y Hf, produciendo una imagen PErr para Zr y Hf, que se muestra en las figuras 2e y j, respectivamente. Las figuras 2f y k son sus histogramas de imagen que muestran el rango de los valores de PErr. Estos datos simulados muestran que los valores de PErr son muy bajos para Zr y Hf después de la corrección, lo que indica que podemos corregir completamente la autoabsorción en el caso de una concentración uniforme en todo el espesor de la muestra.

En caso de que la distribución elemental varíe a lo largo del espesor de la muestra, podríamos considerar dos posibilidades diferentes. El segundo caso corresponde a los materiales con lenta variación de composición a lo largo del espesor. Este caso representa los materiales con granos grandes cuyos tamaños son comparables al espesor de la muestra (muestras con secciones delgadas) o la longitud de atenuación del haz de rayos X incidente. En el tercer caso, la composición fluctúa significativamente, correspondiendo a un sistema material más complejo. En ausencia del conocimiento exacto de cómo se distribuyen con precisión los elementos, introducimos un concepto del comportamiento de modulación de la distribución elemental utilizando la siguiente expresión.

El primer término, \(\overline{I}\left(x,y\right)\), describe la distribución elemental constante. El segundo término describe la distribución elemental fluctuante con la amplitud de modulación, \(\alpha\), y la frecuencia de modulación, \(\nu\), que tiene una unidad de tamaño de 1/vóxel. En la simulación, variamos \(\nu\) en un rango de 0 a 20. \(\nu\) \(=0\) corresponde a la composición uniforme. \(\nu\) \(=20\) representa un caso donde la distribución elemental varía drásticamente. Por ejemplo, suponiendo que una muestra tiene un espesor de 5 um con una resolución de imagen de 50 nm, \(\nu\) \(=20\) representa un período de modulación de 100 nm, correspondiente a una variación elemental altamente fluctuante, que requiere la nanosonda de rayos X de última generación para girar.

Las Figuras 3a a f presentan el análisis de precisión de corrección de Zr y Hf mediante la evaluación de tres métricas: medición del índice de similitud estructural (SSIM) 18, relación señal-ruido máxima (PSNR) 19 y PErr. SSIM y PSNR se evalúan a partir de las imágenes corregidas y reales. PErr se evalúa en toda la imagen XRF tomando el valor promedio. Como era de esperar, la calidad de la corrección de absorción es deficiente para una amplitud de modulación alta, lo que se indica por valores pequeños de SSIM y PSNR y valores altos de PErr. Además, la calidad de la corrección es excelente para el caso de frecuencia de modulación cero, lo cual no es una sorpresa. Un resultado interesante es que para una amplitud de modulación fija, por ejemplo, en 0,5, la calidad de la corrección aumenta lentamente con la frecuencia de modulación más alta. Este resultado se puede explicar de la siguiente manera. Si la frecuencia de modulación es excepcionalmente alta, la señal total del detector (que a menudo se extiende a muchas decenas de grados) se integra en un gran número de regiones espaciales de fluctuación individuales, lo que lleva a una variación individual insensible (es decir, la muestra parece menos granulada). A medida que la frecuencia de modulación disminuye pero no es igual a cero, la variación de absorción en la región espacial representativa aumenta, lo que genera mayores errores de corrección (es decir, la muestra parece más granulada).

Evaluación de la corrección de absorción: para una muestra de Zr-Hf (af) y una muestra de Fe-Co (gl) con una modulación de composición variable en la dirección z. (a) SSIM. (b) PSNR. (c) PErr de la imagen Zr XRF después de la corrección de absorción con respecto a la verdad del terreno. (d) SSIM. (e) PSNR. (f) PErr de la imagen Hf XRF después de la corrección de absorción con respecto a la verdad del terreno. (g) SSIM, (h) PSNR. (i) PErr de la imagen XRF de Fe después de la corrección de absorción con respecto a la verdad del terreno. (j) SSIM, (k) PSNR, (l) PErr de la imagen Ni XRF después de la corrección de absorción con respecto a la verdad fundamental.

Al comparar las métricas de evaluación de la corrección, Hf tiene una mayor precisión de corrección que Zr. El PErr para la corrección de Hf es inferior a 0,08 (u 8%) para todas las estructuras simuladas. Por el contrario, el valor PErr del Zr (con una energía de emisión XRF muy baja) supera el 0,25. Incluso para Zr, los valores de PErr mejoran a medida que la amplitud de modulación disminuye para todas las frecuencias de modulación. En las figuras S1 y S2 de la Información de respaldo se presenta una simulación adicional con diferente geometría de muestra.

Hf-Zr es un ejemplo de un sistema muy desafiante debido a la baja emisión de XRF a través de una matriz altamente absorbente, que tiende a generar mayores errores de corrección. Por el contrario, se logran mejores resultados de corrección para el material con una emisión XRF más energética. Para ilustrar esto, mostramos una simulación de un sistema binario Fe-Ni. Los resultados se muestran en la figura 3g-l. La simulación indica que tanto el Fe como el Ni se corrigen adecuadamente con valores de PErr inferiores a 0,06 para todas las amplitudes y frecuencias de modulación. En este sistema binario también se observa una tendencia similar de mejora de la corrección con una amplitud de modulación fija. Es importante señalar que nuestra expresión para la modulación elemental se puede ampliar de manera general descomponiendo Fourier la variación elemental a través del espesor, T con desplazamiento de fase, \({\varphi }_{n}\) como

Los tres casos antes mencionados son los casos especiales de la descomposición general de Fourier. El primer caso corresponde al orden cero (n = 0), y el segundo y tercer caso corresponden a una situación con una única frecuencia de modulación con un valor pequeño y grande, respectivamente.

Demostramos la eficacia de nuestro método de corrección de la absorción aplicándolo a datos de mapeo XRF recopilados de una muestra de acero inoxidable (SS) corroído. La corrosión del acero inoxidable es un problema importante para muchas industrias. La composición y uniformidad del acero son cruciales para su estabilidad en ambientes corrosivos. Específicamente, el límite de grano juega un papel clave en la determinación del comportamiento de la corrosión. Es importante realizar un estudio en profundidad para revelar la estructura intergranular a nanoescala para avanzar en nuestro conocimiento fundamental para mitigar el proceso de corrosión. La muestra que estudiamos aquí es 304 SS, que fue corroída electroquímicamente en ácido sulfúrico. Los detalles se describen en otra parte20. En el acero inoxidable 304 (SS), Cr, Ni y Fe son los tres componentes principales que representan aproximadamente el 97 % del peso total. Por ejemplo, el Cr y el Ni tienen un rango de porcentaje en peso de 17,5 a 19,5 % y de 8 a 10,5 %, respectivamente21. Se realizaron mediciones de mapeo XRF a nanoescala en la línea de luz HXN en NSLS-II. Los detalles de la medición se describen en la sección Métodos.

Las Figuras 4a, f y k muestran el mapa de intensidad fluorescente "medido" de Cr, Ni y Fe. La lenta variación de intensidad de arriba a abajo se debe al ensimismamiento. Las características localizadas de baja intensidad (que aparecen más oscuras) son modificaciones estructurales (es decir, agrietamiento) por corrosión electroquímica a lo largo de los límites de los granos. Si bien estas imágenes proporcionan una interesante modificación estructural a nanoescala, el análisis cuantitativo de los datos no corregidos es problemático debido al fuerte ensimismamiento. En consecuencia, los mapas de concentración fraccional extraídos en la Fig. 4c, hym no son cuantitativamente precisos. En las imágenes corregidas por absorción (Fig. 4b, g, l), la lenta variación de intensidad de arriba a abajo se suprime en gran medida, revelando características localizadas mucho más finas. Por ejemplo, el mapa de concentración de Cr corregido muestra grupos de Cr altamente localizados decorados a lo largo de líneas indicadas por flechas. El mapa de concentración corregido para Cr, Ni y Fe se muestra en las figuras 4d, i y n. Después de la corrección, el mapa de concentración de Cr es consistente con el mecanismo de corrosión actualmente aceptado. En los límites de los granos, el Cr está parcialmente separado en fases, lo que aumenta la susceptibilidad a la corrosión electroquímica de la matriz de SS. Después de la corrosión, los límites de grano debilitados se agrietan y se disuelven. Algunos límites de grano aún no están completamente agrietados, pero están decorados con una menor concentración de Fe y grupos de Cr altamente localizados, como lo indican las flechas en las figuras 4d y n. Los histogramas de los mapas de concentración de Cr, Ni y Fe se muestran en las figuras 4e, j y o. Antes de la corrección, la distribución de Cr mostraba un rango amplio con un valor central del 21,8%, lo que es inconsistente con el rango nominal de Cr en 304 SS (17,5–19,5%). De manera similar, el valor medio de la composición del Ni no fue consistente con los valores nominales de 8 a 10,5%. Después de la corrección, las concentraciones de los tres elementos concuerdan bien con estos valores nominales, como se esperaba. Por otro lado, la dirección correctiva de la concentración de Cr es contraintuitiva. Dado que el Cr sufre la cantidad de absorción más significativa entre los tres elementos, es natural pensar que la corrección debería mover el valor medio de Cr de bajo a alto. Además, dado que el Ni sufre la menor cantidad de absorción, la cantidad de corrección para el Ni debería ser menor que la del Cr. Nuestros datos muestran la tendencia contraria, aunque la corrección de absorción recupera los valores de concentración correctos. Atribuimos nuestros hallazgos al efecto de fluorescencia secundaria, que es una corrección de segundo orden de los datos. La fluorescencia secundaria de la muestra de acero inoxidable se produce cuando los fotones XRF de Ni producen una señal de fluorescencia adicional de Fe y Cr, y los fotones XRF de Fe generan fluorescencia adicional de Cr. En consecuencia, la señal de Cr total detectada es mayor que el valor esperado considerando únicamente la absorción. Por lo tanto, la corrección de absorción mueve el valor mediano de Cr al valor correcto pero en la dirección opuesta. La corrección de la fluorescencia secundaria es incluso más exigente desde el punto de vista computacional que la corrección de la absorción y debe discutirse en una publicación separada.

Distribuciones de elementos en acero inoxidable sensibilizado. (a) Imagen Cr XRF antes de la corrección. (b) Imagen XRF de Cr después de la corrección, (c) Mapa de concentración de Cr (es decir, porcentaje de peso) antes de la corrección, (d) Mapa de concentración de Cr después de la corrección. Dos flechas apuntan a los grupos de enriquecimiento de Cr localizados a lo largo de los límites de grano (e) histograma del mapa de concentración de Cr antes y después de la corrección. (f) Imagen de Ni XRF antes de la corrección, (g) Imagen de Ni XRF después de la corrección, (h) Mapa de concentración de Ni antes de la corrección, (i) Mapa de concentración de Ni después de la corrección, (j) histograma del mapa de concentración de Ni antes y después de la corrección. (k) Imagen de Fe XRF antes de la corrección, (l) Imagen de Fe XRF después de la corrección, (m) Mapa de concentración de Fe antes de la corrección, (n) Mapa de concentración de Fe después de la corrección. Dos flechas apuntan a las mismas regiones que se muestran en n, (o) histograma del mapa de concentración de Fe antes y después de la corrección. Una concentración fraccionaria de un elemento, por ejemplo, Cr, se obtiene mediante Cr/(Cr + Ni + Fe) utilizando sus porcentajes en peso. Todas las imágenes comparten la misma barra de escala.

Proponemos un método para abordar el problema de la autoabsorción en el mapeo XRF 2D, que es significativamente más difícil que el caso 3D. La precisión de nuestra metodología se evalúa exhaustivamente en diferentes niveles de absorción con diferentes combinaciones de elementos. Mostramos que las muestras con energías de emisión de fluorescencia más altas se pueden recuperar mejor con errores significativamente inferiores al 10% en la mayoría de los casos. La aplicación de nuestro método al experimento de mapeo XRF en acero inoxidable corroído dio como resultado una visibilidad significativa de las nanoestructuras y, lo que es más importante, una descripción más precisa de la distribución de concentraciones de Cr, Ni y Fe. También observamos que nuestro método es aplicable al mapeo XRF a escala de micras, útil para investigaciones tanto micro-XRF como nano-XRF.

Se preparó una muestra de acero inoxidable 304 corroído mediante corrosión electroquímica en ácido sulfúrico 1 M y tiocianato de potasio 0,005 aplicando un voltaje de 300 mV por encima del potencial de circuito abierto. Los detalles de la preparación de la muestra se pueden encontrar en otro lugar19.

Las mediciones de mapeo XRF a nanoescala se realizaron en la línea de luz Hard X-ray Nanoprobe (HXN) en 3-ID del NSLS-II22. Los rayos X monocromáticos con una energía de 12 keV se enfocaron mediante una placa de zona de Fresnel con una zona más externa de 40 nm. El mapeo XRF se adquirió en modo fly-scan con un tiempo de permanencia de 0,05 s/píxel. Se utilizó una resolución de píxeles de 80 nm para el mapeo XRF. Los espectros XRF fueron analizados por PyXRF23 para producir imágenes elementales sin procesar. Luego, la corrección de absorción se realizó mediante algoritmos escritos en Python.

Todos los datos necesarios para evaluar las conclusiones del artículo están presentes en el artículo o en los Materiales complementarios. Se pueden solicitar a los autores datos adicionales relacionados con este artículo.

Liu, TC y cols. Diseño racional de materiales catódicos ricos en Ni mecánicamente robustos mediante una estrategia de gradiente de concentración. Nat. Comunitario. 12(1), 6024 (2021).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Shi, JL y cols. Material catódico de alta capacidad con alto voltaje para baterías de Li-ion. Adv. Madre. https://doi.org/10.1002/adma.201705575 (2018).

Artículo PubMed PubMed Central Google Scholar

Yan, HF y cols. Imágenes de rayos X duros multimodales con una resolución cercana a los 10 nm para estudios en ciencia de materiales. Nanofut. 2(1), 011001 (2018).

ADS del artículo Google Scholar

Zhang, ZZ y cols. Un electrolito compuesto autoformable para baterías de sodio de estado sólido con un ciclo de vida ultralargo. Adv. Materia energética. https://doi.org/10.1002/aenm.201601196 (2017).

Artículo de Google Scholar

Pattammattel, A. y col. Imágenes químicas a nanoescala de alta sensibilidad con nano-XANES de rayos X duros. Ciencia. Adv. 6(37), eabb3615 (2020).

Artículo ADS CAS PubMed Google Scholar

Ge, MI y col. Imágenes tridimensionales de los límites de los granos mediante análisis cuantitativo de tomografía de rayos X de fluorescencia. Comunitario. Madre. 3(1), 37 (2022).

Artículo CAS Google Scholar

Majumdar, S. y col. Aplicaciones del sincrotrón mu-XRF para estudiar la distribución de elementos biológicamente importantes en diferentes matrices ambientales: una revisión. Anal. Chim. Acta 755, 1 (2012).

Artículo CAS PubMed Google Scholar

Víctor, TW et al. Etiquetas de unión a lantánidos para imágenes de rayos X en 3D de proteínas en células con resolución a nanoescala. Mermelada. Química. Soc. 142(5), 2145 (2020).

Artículo CAS PubMed Google Scholar

Zhang, R., Li, L., Sultanbawa, Y. & Xu, ZP Imágenes por fluorescencia de rayos X de metales y metaloides en sistemas biológicos. Soy. J. Nucl. Medicina. Mol. 8(3), 169 (2018).

CAS Google Académico

Li, J.R. y col. Efecto de los grupos funcionales de la superficie del nanomaterial CeO2 sobre la distribución tisular y subcelular del Ce en tomate (Solanum lycopersicum). Reinar. Sci.-Nano 6(1), 273 (2019).

Artículo CAS Google Scholar

Lin, RQ y cols. El gradiente jerárquico de valencia de níquel estabiliza los materiales catódicos en capas con alto contenido de níquel. Nat. Comunitario. https://doi.org/10.1038/s41467-021-22635-w (2021).

Artículo PubMed PubMed Central Google Scholar

Reimer, L. Microscopía electrónica de transmisión con filtrado de energía. Adv. Electrón. Física electrónica. 81, 43 (1991).

ADS del artículo Google Scholar

Natterer, F. Inversión de la transformada atenuada del radón. Número. Matemáticas. 32(4), 431 (1979).

Artículo MathSciNet MATEMÁTICAS Google Scholar

Schroer, CG Reconstrucción de microtomogramas de fluorescencia de rayos X. Aplica. Física. Letón. 79(12), 1912 (2001).

Artículo ADS CAS Google Scholar

Gursoy, D., Bicer, T., Lanzirotti, A., Newville, MG y De Carlo, F. Reconstrucción de imágenes hiperespectrales para tomografía de fluorescencia de rayos X. Optar. Expreso 23(7), 9014 (2015).

Artículo ADS CAS PubMed Google Scholar

La Riviere, PJ & Vargas, PA Reconstrucción de imágenes monótonas de probabilidad penalizada para tomografía computarizada por fluorescencia de rayos X. Traducción IEEE. Medicina. Imágenes 25(9), 1117 (2006).

Artículo PubMed Google Scholar

Ippoliti, M., Billè, F., Karydas, AG, Gianoncelli, A. & Kourousias, G. Reconstrucción de un paisaje topográfico 3D en microscopía de fluorescencia de rayos X suaves mediante un enfoque de trazado de rayos X inverso basado en múltiples detectores. Ciencia. Rep. 12, 20145 (2022).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Wang, Z., Bovik, AC, Sheikh, HR y Simoncelli, EP Evaluación de la calidad de la imagen: de la visibilidad del error a la similitud estructural. Traducción IEEE. Proceso de imagen. 13(4), 600 (2004).

Artículo ADS PubMed Google Scholar

Wang, Z. & Bovik, AC Error cuadrático medio: ¿Te encanta o lo dejas? Una nueva mirada a las medidas de fidelidad de la señal. Proceso de señal IEEE. revista 26(1), 98 (2009).

ADS del artículo Google Scholar

Gill, SK y cols. Imágenes cuantitativas en 3D a nanoescala de la corrosión intergranular de acero inoxidable 304 utilizando una nanosonda de rayos X duros. J. Electroquímica. Soc. 166(11), C3320 (2019).

Artículo CAS Google Scholar

Rango de composición nominal de acero inoxidable 304. https://www.twmetals.com/products/plate/stainless-steel/304-304l.html.

Nazaretski, E. et al. Diseño y rendimiento de un microscopio de barrido de rayos X en la línea de luz de la nanosonda de rayos X duros de NSLS-II. J. Radiación sincrotrón. 24, 1113 (2017).

Artículo CAS PubMed Google Scholar

Li, L. y col. PyXRF: paquete de análisis de fluorescencia de rayos X basado en Python. Proc. SPIE 10389, Nanoimagen de rayos X: instrumentos y métodos III. https://doi.org/10.1117/12.2272585 (2017).

Artículo de Google Scholar

Descargar referencias

Agradecemos a Simerjeet K. Gill, Kotaro Sasaki, Zhixiu Liang y Kim Kisslinger por preparar la muestra de acero inoxidable corroído.

Esta investigación utilizó la línea de luz de nanosonda de rayos X duros (HXN) en 3-ID de la Fuente Nacional de Luz Sincrotrón II, una instalación para usuarios de la Oficina de Ciencias del Departamento de Energía de EE. UU. operada para la Oficina de Ciencias del DOE por el Laboratorio Nacional Brookhaven bajo contrato no. DE-SC0012704. La investigación cuenta con el apoyo parcial del proyecto LDRD 24255 recibido del Laboratorio Nacional Brookhaven.

Fuente Nacional de Luz Sincrotrón II, Laboratorio Nacional Brookhaven, Upton, Nueva York, EE. UU.

Mingyuan Ge, Hanfei Yan, Xiaojing Huang y Yong S. Chu

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

MG concibió la idea. MG y JZ implementan y optimizan el algoritmo. MG, XH, HY e YSC realizaron los experimentos. MG y YSC analizaron los datos. Todos los autores contribuyeron al manuscrito.

Correspondencia a Yong S. Chu.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado al autor(es) original(es) y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Ge, M., Yan, H., Huang, X. et al. Corrección de autoabsorción en mapas de fluorescencia de rayos X 2D. Representante científico 13, 7271 (2023). https://doi.org/10.1038/s41598-023-33383-w

Descargar cita

Recibido: 29 de enero de 2023

Aceptado: 12 de abril de 2023

Publicado: 04 de mayo de 2023

DOI: https://doi.org/10.1038/s41598-023-33383-w

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.