Direkt zum Inhalt

Diese Website setzt ausschließlich technisch notwendige Cookies ein, die spätestens mit dem Schließen Ihres Browsers gelöscht werden. Wenn Sie mehr über Cookies erfahren möchten, klicken Sie bitte auf die Datenschutzerklärung.

DE EN
Anmelden
Logo, zur Startseite
  1. Sie sind hier:
  2. Mapping local atomic structure of metallic glasses using machine learning aided 4D-STEM
...

    Datenpaket: Mapping local atomic structure of metallic glasses using machine learning aided 4D-STEM

    • RADAR-Metadaten
    • Inhalt
    • Statistiken
    • Technische Metadaten
    Alternativer Identifier:
    -
    Verwandter Identifier:
    (Is Identical To) https://publikationen.bibliothek.kit.edu/1000164027 - URL
    Ersteller/in:
    Kang, Sangjun https://orcid.org/0000-0002-5096-5965 [Institut für Nanotechnologie (INT), Karlsruher Institut für Technologie (KIT)]

    Wollersen, Vanessa [Institut für Nanotechnologie (INT), Karlsruher Institut für Technologie (KIT)]

    Minnert, Christian [Technische Universität Darmstadt (TU Darmstadt)]

    Durst, Karsten [Technische Universität Darmstadt (TU Darmstadt)]

    Kim, Hyoung Seop [Kim, Hyoung Seop]

    Kuebel, Christian https://orcid.org/0000-0001-5701-4006 [Institut für Nanotechnologie (INT), Karlsruher Institut für Technologie (KIT)]

    Mu, Xiaoke [Institut für Nanotechnologie (INT), Karlsruher Institut für Technologie (KIT)]
    Beitragende:
    -
    Titel:
    Mapping local atomic structure of metallic glasses using machine learning aided 4D-STEM
    Weitere Titel:
    -
    Beschreibung:
    (Abstract) Amorphous materials, e.g., polymers, metallic and oxidic glasses, consist of heterogeneous atomic/molecular packing at the nanoscale. Spatial variation of the local structure plays an important role in determining material properties. Experimentally probing the local atomic structure within the amor... Amorphous materials, e.g., polymers, metallic and oxidic glasses, consist of heterogeneous atomic/molecular packing at the nanoscale. Spatial variation of the local structure plays an important role in determining material properties. Experimentally probing the local atomic structure within the amorphous phase has been one of the main challenges for material research. Here, we present a new approach to characterize the local atomic structure and map structural variants in the amorphous phase using machine learning (ML) aided four dimensional-scanning transmission electron microscopy (4D-STEM). We utilized nonnegative matrix factorization (NMF) to identify the local structural types of metallic glasses from the 4D-STEM dataset. Using Fe-based metallic glasses as a model system, we demonstrate that two basic structural types, one with a more liquid-like and another with a more solid-like structure, are distributed throughout the glass with a characteristic length scale of a few nanometers. Thermal annealing induces a change in their distribution and relative population but without the appearance of any additional phase. This provides new insight into the relaxation phenomena of metallic glass and solid experimental evidence for the theoretical hypothesis on atomic packing in glassy structures.

    Amorphous materials, e.g., polymers, metallic and oxidic glasses, consist of heterogeneous atomic/molecular packing at the nanoscale. Spatial variation of the local structure plays an important role in determining material properties. Experimentally probing the local atomic structure within the amorphous phase has been one of the main challenges for material research. Here, we present a new approach to characterize the local atomic structure and map structural variants in the amorphous phase using machine learning (ML) aided four dimensional-scanning transmission electron microscopy (4D-STEM). We utilized nonnegative matrix factorization (NMF) to identify the local structural types of metallic glasses from the 4D-STEM dataset. Using Fe-based metallic glasses as a model system, we demonstrate that two basic structural types, one with a more liquid-like and another with a more solid-like structure, are distributed throughout the glass with a characteristic length scale of a few nanometers. Thermal annealing induces a change in their distribution and relative population but without the appearance of any additional phase. This provides new insight into the relaxation phenomena of metallic glass and solid experimental evidence for the theoretical hypothesis on atomic packing in glassy structures.

    Zeige alles

    (Technical Remarks) Raw data for the publication "Mapping local atomic structure of metallic glasses using machine learning aided 4D-STEM"

    Raw data for the publication "Mapping local atomic structure of metallic glasses using machine learning aided 4D-STEM"

    Schlagworte:
    Four dimensional-scanning transmission electron microscopy (4D-STEM)
    Pair distribution function (PDF)
    Nonnegative matrix factorization (NMF)
    Metallic glasses
    Zugehörige Informationen:
    -
    Sprache:
    -
    Herausgeber/in:
    Karlsruhe Institute of Technology
    Erstellungsjahr:
    2022
    Fachgebiet:
    Engineering
    Objekttyp:
    Dataset
    Datenquelle:
    -
    Verwendete Software:
    -
    Datenverarbeitung:
    -
    Erscheinungsjahr:
    2023
    Rechteinhaber/in:
    Kang, Sangjun https://orcid.org/0000-0002-5096-5965

    Wollersen, Vanessa

    Minnert, Christian

    Durst, Karsten

    Kim, Hyoung Seop

    Kuebel, Christian https://orcid.org/0000-0001-5701-4006

    Mu, Xiaoke
    Förderung:
    -
    Zeige alles Zeige weniger
    Name Speichervolumen Metadaten Upload Aktion
    Status:
    Publiziert
    Eingestellt von:
    kitopen
    Erstellt am:
    2023-11-08
    Archivierungsdatum:
    2023-11-10
    Archivgröße:
    224,2 MB
    Archiversteller:
    kitopen
    Archiv-Prüfsumme:
    14ec321b51913f4558339c1806980609 (MD5)
    Embargo-Zeitraum:
    -
    Die Metadaten wurden nachträglich korrigiert. Die ursprünglichen Metadaten sind nach Download des Datenpakets verfügbar.
    dataset/Mapping local atomic structure of metallic glasses using machine learning aided 4D-STEM
    DOI: 10.35097/1802
    Publikationsdatum: 2023-11-10
    Datenpaket herunterladen
    Herunterladen (224,2 MB)

    Metadaten herunterladen
    Statistik
    0
    Views
    0
    Downloads
    Lizenz für das Datenpaket
    Dieses Werk ist lizenziert unter
    CC BY 4.0
    CC icon
    Datenpaket zitieren
    Kang, Sangjun; Wollersen, Vanessa; Minnert, Christian; et al. (2023): Mapping local atomic structure of metallic glasses using machine learning aided 4D-STEM. Karlsruhe Institute of Technology. DOI: 10.35097/1802
    • Über das Repository
    • Datenschutzerklärung
    • Nutzungsbedingungen
    • Impressum
    • Erklärung zur Barrierefreiheit
    powered by RADAR
    1.22.10 (f) / 1.16.5 (b) / 1.22.4 (i)

    RADAR4KIT ist ein über das Internet nutzbarer Dienst für die Archivierung und Publikation von Forschungsdaten aus abgeschlossenen wissenschaftlichen Studien und Projekten für Forschende des KIT. Betreiber ist das Karlsruher Institut für Technologie (KIT). RADAR4KIT setzt auf dem von FIZ Karlsruhe angebotenen Dienst RADAR auf. Die Speicherung der Daten findet ausschließlich auf IT-Infrastruktur des KIT am Steinbuch Centre for Computing (SCC) statt.

    Eine inhaltliche Bewertung und Qualitätsprüfung findet ausschließlich durch die Datengeberinnen und Datengeber statt.

    1. Das Nutzungsverhältnis zwischen Ihnen („Datennutzerin“ bzw. „Datennutzer“) und dem KIT erschöpft sich im Download von Datenpaketen oder Metadaten. Das KIT behält sich vor, die Nutzung von RADAR4KIT einzuschränken oder den Dienst ganz einzustellen.
    2. Sofern Sie sich als Datennutzerin oder als Datennutzer registrieren lassen bzw. über Shibboleth legitimieren, kann Ihnen seitens der Datengeberin oder des Datengebers Zugriff auch auf unveröffentlichte Dokumente gewährt werden.
    3. Den Schutz Ihrer persönlichen Daten erklären die Datenschutzbestimmungen.
    4. Das KIT übernimmt für Richtigkeit, Aktualität und Zuverlässigkeit der bereitgestellten Inhalte keine Gewährleistung und Haftung, außer im Fall einer zwingenden gesetzlichen Haftung.
    5. Das KIT stellt Ihnen als Datennutzerin oder als Datennutzer für das Recherchieren in RADAR4KIT und für das Herunterladen von Datenpaketen keine Kosten in Rechnung.
    6. Sie müssen die mit dem Datenpaket verbundenen Lizenzregelungen einhalten.