Summary

Quantificação dos dados de fluorescência de raios-x usando mapas

Published: February 17, 2018
doi:

Summary

Aqui, vamos mostrar o uso do software de montagem de fluorescência de raio-x, mapas, criado pelo Laboratório Nacional Argonne, para a quantificação dos dados de microscopia de fluorescência. Os dados quantificados que resulta são útil para a compreensão da distribuição elementar e rácios estequiométricos dentro de uma amostra de interesse.

Abstract

A quantificação de raio-x, microscopia de fluorescência (XRF) mapas encaixando os espectros brutos para um padrão conhecido é crucial para a avaliação da composição química e distribuição elementar dentro de um material. Baseado em síncrotron XRF tornou-se uma técnica de caracterização integral para uma variedade de tópicos de pesquisa, particularmente devido à sua natureza não-destrutivos e sua alta sensibilidade. Hoje, os síncrotrons podem adquirir dados de fluorescência em resoluções espaciais bem abaixo de um mícron, permitindo a avaliação das variações composicionais em nanoescala. Através da quantificação adequada, então é possível obter uma compreensão aprofundada e de alta resolução de segregação elemental, relações estequiométricas e comportamento do cluster.

Este artigo explica como usar os mapas de encaixe software desenvolvido pelo Laboratório Nacional Argonne, para a quantificação dos mapas XRF completo 2-D. Usamos como exemplo os resultados de um Cu (In, Ga) Se célula solar de2 , tirada do Advanced Photon Source beamline 2-ID-d’ no Argonne National Laboratory. Nós mostramos o procedimento padrão para dados brutos de encaixe, demonstram como avaliar a qualidade de um ajuste e apresentar as saídas típicas geradas pelo programa. Além disso, discutimos neste manuscrito certas limitações de software e oferecer sugestões para saber como corrigir ainda mais os dados ser numericamente precisos e representativos de espacialmente resolvidos, concentrações elementares.

Introduction

Baseado em síncrotron XRF tem sido utilizado em várias disciplinas por muitas décadas. Por exemplo, ela tem sido usada em biologia em estudos como o feito por Geraki et al, em que eles quantificada vestígios de metais concentrações dentro de tecidos cancerosos e não cancerosos mama 1. Mais geralmente, XRF quantitativa foi aplicado a uma ampla gama de estudos de biologia em causa com concentrações de metal em células e tecidos, como descrito por Paunesku et al 2. da mesma forma, protistas marinhos foram estudados por oligoelementos 3,4 e até mesmo distribuições de micro e macronutrientes foram observadas dentro de células de planta 5. Trabalho por Kemner et al . 6, que identificou diferenças distintas na morfologia e composição elementar nas células de bactérias único, também foi possível através de análise quantitativa de XRF. Além disso e especificamente relevantes para o exemplo divulgados neste documento, os cientistas de materiais estudar a célula solar dispositivos têm feito uso de XRF de alta resolução para estudos sobre a existência de impurezas metálicas sub mícron de semicondutores de silício 7 , 8, correlativo trabalho em distribuições como elementais afetam desempenho elétrico em dispositivos solar 9,10, e identificando gradientes de profundidade dependente do CIGS fina película solar células através de pastoreio a incidência de raios-x fluorescência (GIXRF) 11.

Muitos desses estudos fazem uso não só dos recursos de alta resolução do síncrotron, fluorescência de raios-x para estudar a distribuição espacial, mas também a quantificação da informação para tirar conclusões numéricas. Em muitos estudos é fundamental conhecer as concentrações elementais associadas com as distribuições espaciais acima mencionadas. Por exemplo, no trabalho por Geraki et al., o estudo necessário quantificar a diferença nas concentrações de ferro, cobre, zinco e potássio em canceroso e tecidos não-cancerosas da mama, para melhor compreender que as concentrações se tornam prejudiciais à tecidos humanos 1. Da mesma forma, o trabalho por Luo et al. fez uso de XRF quantificado para identificar pequenas quantidades de cloro incorporado em células solares de perovskita quando sintetizados com e sem cloro-contendo precursores 12. Portanto, para certos estudos em que as concentrações de elementos são necessária, adequada quantificação é um passo necessário e crítico.

O processo de quantificar concentrações elementares de medições de raio-x (XRF) de fluorescência traduz contagens de intensidade de fluorescência em concentrações em massa (por exemplo, µ g/cm2). Os espectros brutos apresentam o número de fótons coletados pelo detector de energia dispersiva de fluorescência em função da energia. Os espectros são primeiro se encaixa e então comparados com uma medida padrão para calcular os dados quantificados. Em particular, o primeiro passo da montagem de espectros de fluorescência é fundamental até mesmo para a análise qualitativa dos elementos. Isto porque antes da montagem, contagens são guardadas baseia-se na sua energia, que se torna um problema quando dois elementos com transições de fluorescência semelhantes estão contidos na amostra. Nesta situação, contagens podem ser incorretamente guardadas e assim associadas com o elemento errado.

Muitas vezes também é necessário quantificar espectros XRF para conclusões com precisão relativa das quantidades de elementos em uma amostra. Sem a adequada quantificação, contagens de elementos pesados e elementos mais leves serão comparadas diretamente, ignorando as diferenças em captura transversal probabilidade de seção, de absorção e de fluorescência, atenuação dos fótons fluorescência e a distância da borda de absorção do elemento da energia incidente, todos os que afetam o número de fótons atingindo o detector. Portanto, o processo de montagem dos espectros para cada mapa e comparar intensidades de pico para o padrão, ambos os quais são feitos no procedimento a seguir, é fundamental para a quantificação exata de cada uma das concentrações elementares.

Demonstramos como converter as crus contagens de fótons fluorescência unidades de microgramas por centímetro quadrado (µ g/cm2), primeiro encaixe um espectro integral, ou um espectro somado de todos os espectros individuais produzida em cada ponto de medição ou pixel em um mapa 2D. Este espectro demonstra as intensidades relativas dos diferentes elementos contidos na amostra. A distância que da borda de absorção de um determinado elemento é a energia do feixe incidente influencia as intensidades dos seus picos de fluorescência. Em geral, quanto mais próximas as duas energias estão, quanto maior a intensidade produzida por esses elementos, embora isso não seja sempre o caso. Figura 4 em Ref 13 mostra a dependência do comprimento absorção de fótons de raios-x, que se relaciona diretamente com a intensidade resultante, para os elementos da maioria em uma célula solar do methylammonium chumbo iodeto perovskita. Isto demonstra a resposta de fluorescência dos elementos com relação a energia, e mostra que não é uma diminuição contínua de resposta com o aumento da distância entre a energia incidente, mas que também é dependente do próprio elemento.

O resultado desta relação é que cru concentrações elementais podem aparecer maiores para canais de elemento com energias de excitação mais perto para a energia incidente, mesmo se a verdadeiras quantidades desses elementos são mais baixos em relação aos outros elementos com excitação energias mais longe o incidente. Portanto, a dependência energética da intensidade, juntamente com outros factores tais como variações de rendimento de fluorescência, bordas de absorção diferentes, sensibilidade do detector e fundo de medição, etc., é por encaixe os dados é muito importante antes de desenho conclusões sobre as quantidades de elementais observadas. Nós, em seguida, aplicar um algoritmo de ajuste ao espectro integral, onde o usuário define os elementos e parâmetros para caber através de um documento de texto.

O algoritmo, criado por Vogt et al. 14, faz uso de regiões de interesse (ROI) filtragem, no qual integra-se ao longo dos certos elementos regiões de pico e análise de componentes de princípio (PCA). Primeiro, o PCA é feito para identificar apenas os elementos e os picos que são fortemente aparentes. Isto permite a separação do ruído do sinal verdadeiro. Em seguida, o princípio de componentes identificados são quantificados numericamente, que é importante para deconvoluting picos de elemento diferentes com a mesma energia de excitação, por exemplo, sobrepondo Au Mα e K Pα. Finalmente, filtragem de ROI pode ser aplicada aos dados numéricos, integrando-se ao longo de regiões determinadas.

Para relacionar contagens para concentrações elementais, uma referência bem quantificada (muitas vezes referida como “padrão”) é medida sob as mesmas condições de medição, a geometria e a energia, como a amostra em estudo. Esta norma é muitas vezes a partir de Dresden AXO ou o National Institute of Standards and Technology (NIST). Eles cobrem uma variedade de elementos diferentes e vêm com distribuições elementais tabelas. A normalização dos Condes medidos da amostra de interesse para as contagens da norma sob as mesmas condições de medição fornece a base para a quantificação elementar para a amostra de interesse.

Mais especificamente, mapas identifica os elementos e as respectivas concentrações do padrão também pelo fato de que a informação padrão é conhecida pelo programa (como é o caso para os padrões NIST e AXO) ou através de dados inseridos em um arquivo separado (no caso de uma padrão diferente sendo usado). A partir dessas informações, o programa refere-se as intensidades medidas dos elementos padrão sob as configurações de medição para a concentração esperada incorporado em mapas. Em seguida, cria um fator de escala para ajustar para qualquer deslocamento e extrapola este fator de escala para todos os restantes elementos não incluídos na norma. O fator de escala, em seguida, inclui o deslocamento, desde as configurações de medição e as informações fornecidas em mapas para a conversão linear de contagens crus a densidade areal em µ g/cm2.

Aqui, demonstramos como fazer uso do programa, mapas, desenvolvido pelo Dr. S. Vogt, quantificar dados adquiridos de fluorescência-capaz de luz síncroton no Argonne National Laboratory (ANL) 14. Os dados utilizados para a demonstração foi adquiridos no setor 2-ID-D de ANL usando a configuração de medição mostrada na Figura 1 de 10. O procedimento de montagem também pode ser aplicado a dados provenientes de outros de Luz Síncroton, no entanto, note-se que certas características da ANL de luz síncroton são incorporadas no programa e precisarão ser atualizados.

Protocol

Nota: Antes de iniciar a montagem, é importante saber algumas coisas sobre as medidas tomadas: o número de elementos de detector usado – diferente de luz síncroton use diferentes detectores que às vezes são segmentados em seções menores do que as contagens são Leia e compilado; a energia incidente usada; e o padrão de medida. Esta informação será aplicada ao longo de diferentes aspectos do processo. 1. Configurando o programa Baixar a IDL e o programa de mapas</s…

Representative Results

Um exemplo dos resultados de encaixe adequado pode ser visto nas figuras a seguir. Em primeiro lugar, na Figura 1 mostra uma comparação direta entre um pobre caber e um bom ajuste para o espectro integral. O ajuste ruim é reparáveis tanto garantir que elementos não estão faltando, por exemplo cobre, que tem um pico de claro na Figura 1(à esquerda), mas não está sendo incluído no ajuste, e ajustando os rácios ramificaç…

Discussion

Os números mostram a importância de dados usando este procedimento de montagem. As figuras 1 (à direita) e 2 (fundo) mostram um resultado representativo que deve surgir de uma montagem adequada. Se há uma insuficiente caber, a imagem do espectro integral olharão visivelmente fora e os dados quantificados resultantes terá erros, embora estas vão ser difícil de detectar na maioria dos casos. Para certos tipos de amostra para o qual o padrão não é representante dos elementos da amostra, particula…

Divulgazioni

The authors have nothing to disclose.

Acknowledgements

Reconhecemos que o financiamento do departamento de energia dos EUA, sob contrato DE-EE0005948. Utilização do centro para materiais de nanoescala e a fonte de fótons avançada, ambas as instalações de usuário do Office of Science, foi apoiada pelo departamento de energia dos EUA, escritório de ciência, escritório de energia ciências básicas, sob contrato n º DE-AC02-06CH11357. Este material é baseado em trabalho suportado em parte pela National Science Foundation (NSF) e o departamento de energia (DOE) sob n º CA do NSF CEE-1041895. Edição de vídeo foi feita por VISLAB na Arizona State University. Quaisquer opiniões, resultados e conclusões ou recomendações expressadas neste material são dos autores e não refletem necessariamente aquelas da NSF ou DOE. T.N. é suportado por uma comunhão de IGERT-SUN financiada pela National Science Foundation (prêmio 1144616).

Riferimenti

  1. Geraki, K., Farquharson, M. J., Bradley, D. A. X-ray fluorescence and energy dispersive x-ray diffraction for the quantification of elemental concentrations in breast tissue. Phys. Med. Biol. 49, 99-110 (2004).
  2. Paunesku, T., Vogt, S., Maser, J., Lai, B., Woloschak, G. X-ray fluorescence microprobe imaging in biology and medicine. J. Cell. Biochem. 99 (6), 1489-1502 (2006).
  3. Twining, B. S., et al. Quantifying Trace Elements in Individual Aquatic Protist Cells with a Synchrotron X-ray Fluorescence Microprobe. Anal. Chem. 75 (15), 3806-3816 (2003).
  4. de Jonge, M. D., et al. Quantitative 3D elemental microtomography of Cylotella meneghiniana at 400-nm resolution. Proc. Natl. Acad. Sci. 107 (36), 15676-15680 (2010).
  5. Duĉić, T., et al. Enhancement in statistical and image analysis for in situ µSXRF studies of elemental distribution and co-localization, using Dioscorea balcanica. J. Synchrotron Rad. 20, 339-346 (2013).
  6. Kemner, K. M., et al. Elemental and Redox Analysis of Single Bacterial Cells by X-ray Microbeam Analysis. Science. 306 (5696), 686-687 (2004).
  7. Bertoni, M. I., et al. Nanoprobe X-ray fluorescence characterization of defects in large-area solar cells. Energy Environ. Sci. 4 (10), 4252-4257 (2011).
  8. Fenning, D. P., et al. Iron distribution in silicon after solar cell processing: Synchrotron analysis and predictive modeling. Appl. Phys. Lett. 98 (162103), (2011).
  9. Buonassisi, T., et al. Quantifying the effect of metal-rich precipitates on minority carrier diffusion length in multicrystalline silicon using synchrotron-based spectrally resolved x-ray beam induced current. Appl. Phys. Lett. 87 (044101), (2005).
  10. Stuckelberger, M. Engineering solar cells based on correlative X-ray microscopy. J. Mat. Res. 32 (10), 1825-1854 (2017).
  11. Streeck, C., et al. Grazing-incidence x-ray fluorescence analysis for non-destructive determination of In and Ga depth profiles in Cu(In,Ga)Se2 absorber films. Appl. Phys. Lett. 103 (113904), (2013).
  12. Luo, Y., et al. Spatially Heterogeneous Chlorine Incorporation in Organic-Inorganic Perovskite Solar Cells. Chem. Mater. 28, 6536-6543 (2016).
  13. Stuckelberger, M. Charge Collection in Hybrid Perovskite Solar Cells: Relation to the Nanoscale Elemental Distribution. IEEE J. Photovolt. 7 (2), 590-597 (2017).
  14. Vogt, S., Maser, J., Jacobsen, C. Data analysis for X-ray fluorescence imaging. J. Phys. IV France. 104, 617-622 (2003).
  15. West, B. M. Grain engineering: How nanoscale inhomogeneities can control charge collection in solar cells. Nano Energy. 32, 488-493 (2017).
  16. Krause, M. O. Atomic Radiative and Radiationless Yields for K and L Shells. J. Phys. Chem. Ref. Data. 8 (2), 307-327 (1979).
  17. Hubbell, J. H., et al. A Review, Bibliography, and Tabulation of K,L, and Higher Atomic Shell X-Ray Fluorescence Yields. J. Phys. Chem. Ref. Data. 23 (2), 339-364 (1994).
  18. Ravel, B., Newville, M. ATHENA, ARTEMIS, HEPHAESTUS: data analysis for X-ray absorption spectroscopy using IFEFFIT. J. Synchrotron Rad. 12, 537-541 (2005).
  19. West, B. M., et al. X-ray fluorescence at nanoscale resolution for multicomponent layered structures: a solar cell case study. J Synchrotron Rad. 24, (2017).
  20. De Boer, D. K. G. Calculation of X-Ray Fluorescence Intensities from Bulk and Multilayer Samples. X-Ray Spectrom. 19 (3), 145-154 (1990).
  21. Lachance, G. R., Claisse, F. . Quantitative X-ray Fluorescence Analysis: Theory and Application. , (1995).
  22. Sokaras, D., Karydas, A. G. Secondary Fluorescence Enhancement in Confocal X-ray Microscopy Analysis. Anal. Chem. 81 (12), 4946-4954 (2009).

Play Video

Citazione di questo articolo
Nietzold, T., West, B. M., Stuckelberger, M., Lai, B., Vogt, S., Bertoni, M. I. Quantifying X-Ray Fluorescence Data Using MAPS. J. Vis. Exp. (132), e56042, doi:10.3791/56042 (2018).

View Video