Summary

Quantifizierung der Fluoreszenz Röntgendaten mit MAPS

Published: February 17, 2018
doi:

Summary

Hier zeigen wir den Einsatz der Röntgen-Fluoreszenz-Anpass-Software, Karten, vom Argonne National Laboratory für die Quantifizierung der Fluoreszenz-Mikroskopie-Daten erstellt. Die quantifizierten Daten ist hilfreich für das Verständnis der elementaren Verteilung und stöchiometrischen Verhältnisse innerhalb einer Stichprobe von Interesse.

Abstract

Die Quantifizierung der Röntgen-(XRF) Fluoreszenzmikroskopie Karten durch den Einbau der rohen Spektren zu einem bekannten Standard ist entscheidend für die Bewertung der chemischen Zusammensetzung und der elementaren Verteilung innerhalb eines Materials. Synchrotron-basierte RFA ist eine ganzheitliche Charakterisierung Technik für eine Vielzahl von Forschungsthemen, vor allem aufgrund seiner nicht-destruktive Natur und seiner hohen Empfindlichkeit geworden. Heute können Synchrotrone Fluoreszenz bei räumlichen Auflösungen deutlich unter ein Mikrometer, so dass für die Bewertung der kompositorischen Variationen im Nanobereich erfassen. Durch korrekte Quantifizierung ist es dann möglich, eine eingehende, hochauflösende Verständnis der elementaren Segregation, stöchiometrischen Beziehungen und clustering Verhalten zu erhalten.

Dieser Artikel erläutert, wie die Nutzung der Karten Anpass-Software für die Quantifizierung der volle 2-D-RFA-Karten von Argonne National Laboratory entwickelt. Wir verwenden als Beispiel ergibt sich aus einer Cu (In, Ga) Se2 Solarzelle, aufgenommen an der Advanced Photon Source Strahlrohr 2-ID-D am Argonne National Laboratory. Veranschaulichen Sie wir zeigen das Standardverfahren zur Montage Rohdaten, die bewerten der Qualität einer Passung und präsentieren die typischen Ausgänge vom Programm generiert. Darüber hinaus diskutieren wir in diesem Manuskript bestimmte Softwareeinschränkungen und bieten Anregungen wie man die Daten zu korrigieren numerisch genaue und Vertreterin der räumlich werden gelöst, elementare Konzentrationen.

Introduction

Synchrotron-basierte RFA hat seit vielen Jahrzehnten in mehreren Disziplinen eingesetzt. Zum Beispiel hat es in der Biologie auf Studien wie die Geraki Et Al., in denen sie Spuren von Metallkonzentrationen im Rahmen der Brust Krebs und nicht-cancerous Gewebe 1quantifiziert eingesetzt. Ganz allgemein hat quantitative RFA auf eine Vielzahl von betroffenen mit Metallkonzentrationen in Zellen und Geweben, Studium der Biologie angewendet wurden, wie von Paunesku Et Al. beschrieben 2. ebenso marine Protisten wurden für Spurenelemente, 3,4 untersucht und sogar Mikro- und Makronährstoff-Verteilungen innerhalb von pflanzlichen Zellen 5beobachtet wurden. Arbeiten von Kemner Et al. 6, die deutliche Unterschiede in der Morphologie und Elementzusammensetzung in einzelne Bakterienzellen identifiziert, wurde auch durch quantitative XRF Analyse möglich. Zusätzlich und speziell für das Beispiel hier offenbarten, Materialwissenschaftler Studium Solarzelle Geräte haben von hochauflösenden XRF für Studien über die Existenz von Sub-Micron metallischen Verunreinigungen im Silizium-Halbleiter 7 Gebrauch gemacht , 8, korrelative Arbeit auf wie elementare Distributionen beeinflussen elektrischen Leistung in Solaranlagen 9,10, und identifizierende tiefenabhängige Gradienten von CIGS dünn-Solarzellen durch Beweidung Inzidenz Röntgen Fluoreszenz (GIXRF) 11.

Viele dieser Studien machen Verwendung nicht nur von den hochauflösenden Leistungsumfang Synchrotron Röntgenfluoreszenz, räumliche Verteilung zu studieren, sondern auch die Quantifizierung der Informationen für numerische Schlussfolgerungen. In vielen Studien ist es wichtig zu wissen, die elementaren Konzentrationen die vorgenannten räumliche Verteilungen zugeordnet. Zum Beispiel in der Arbeit von Geraki Et Al., die Studie erforderlich Quantifizierung den Unterschied in der Konzentration von Eisen, Kupfer, Zink und Kalium in Krebs und nicht krebsartigen Brustgewebe besser zu verstehen, welchen Konzentrationen schädlich für menschliche Gewebe 1. In ähnlicher Weise arbeiten von Luo Et Al. von quantifizierten RFA Gebrauch gemacht, um kleine Mengen von Chlor gegründet Perowskit Solarzellen wenn sowohl mit als auch ohne Chlor-haltigen Vorstufen 12synthetisiert zu identifizieren. Für bestimmte Studien, in denen die Konzentrationen der Elemente erforderlich, korrekte Quantifizierung sind, deshalb eine notwendige und wichtige Schritt.

Der Prozess zur Quantifizierung der elementarer Konzentrationen von Röntgen-Fluoreszenz (XRF) Messungen übersetzt Fluoreszenz Intensität zählt in Massenkonzentrationen (z.B. µg/cm2). Die rohen Spektren präsentieren die Anzahl der Photonen, die von der Energie-dispersive Fluoreszenz-Detektor als Funktion der Energie gesammelt. Die Spektren sind zunächst und dann im Vergleich zu ein Standardmaß der quantifizierten Daten berechnen. Insbesondere ist der erste Schritt der Montage Fluoreszenz Spektren sogar für die Qualitative Analyse der Elemente von entscheidender Bedeutung. Dies weil vor der Montage, zählt Makulatur sind ihre Energie beruht auf einem Problem wird, wenn zwei Elemente mit ähnlichen Fluoreszenz-Übergänge in der Probe enthalten sind. In diesem Fall können zählt nicht falsch klassifiziert und damit das falsche Element zugeordnet werden.

Es ist oft auch notwendig, XRF Spektren zu quantifizieren, um präzise Rückschlüsse auf relativen Mengen der Elemente in einer Probe. Ohne korrekte Quantifizierung, Grafen von schwere und leichtere Elemente verglichen werden direkt, ignoriert Unterschiede im Aufnahmemodus Abschnitt, Absorption und Fluoreszenz Wahrscheinlichkeit, Dämpfung der Fluoreszenz Photonen, und der Abstand von der Element der Absorptionskante aus der einfallenden Energie, die alle betreffen die Anzahl der Photonen, die auffällig des Detektors. Daher ist der Prozess der Montage der Spektren für jede Karte und Vergleich Spitze Intensitäten auf den Standard, die in der folgenden Prozedur fertig sind, für die genaue Quantifizierung aller elementaren Konzentrationen von entscheidender Bedeutung.

Wir zeigen, wie die rohen Grafen von Fluoreszenz Photonen in Einheiten von Mikrogramm pro Quadratzentimeter (µg/cm2) zu konvertieren, durch den ersten Einbau eines integralen Spektrums oder ein Potentiometer Spektrum an die einzelnen Spektren erzeugt bei jedem Messpunkt oder pixel in einer 2D-Karte. Dieses Spektrum zeigt die relativen Intensitäten der verschiedenen Elemente in der Probe enthaltenen. Der Abstand der Absorptionskante eines bestimmten Elements aus der Strahlenergie des einfallenden beeinflusst die Intensitäten der ihre Fluoreszenz-Gipfel. Im Allgemeinen, sind je näher die beiden Energien, desto höher die Intensität, die für diese Elemente produziert, obwohl dies nicht immer der Fall ist. Abbildung 4 Ref 13 zeigt die Abhängigkeit der Absorption Länge der Röntgen-Photonen, die bezieht sich direkt auf die resultierende Intensität für die meisten Elemente in einer Methylammonium Leitung Jodid Perowskit Solarzelle. Dies zeigt die Fluoreszenz-Reaktion der Elemente im Hinblick auf Energie und zeigt, dass es keine kontinuierliche Abnahme der Reaktion mit zunehmender Entfernung von der einfallenden Energie, sondern vielmehr, dass es ist auch abhängig von dem Element selbst.

Das Ergebnis dieser Beziehung ist, dass rohe elementare Konzentrationen für Element-Kanäle mit Erregung Energien näher an die einfallende Energie höher erscheinen, selbst wenn die wahre Mengen dieser Elemente im Verhältnis zu anderen Elementen mit Erregung niedriger sind Energien weiter von dem Vorfall. Daher ist die Energieabhängigkeit der Intensität, zusammen mit anderen Faktoren wie Fluoreszenz Ertrag Variationen, verschiedene Absorptionskanten, Detektorempfindlichkeit, und Messung Hintergrund usw., warum Anpassung der Daten sehr wichtig vor der Zeichnung ist Schlussfolgerungen über die beobachteten elementaren Mengen. Dann wenden wir einen passenden Algorithmus auf das ganzheitliche Spektrum, wo der Benutzer definiert die Elemente und Parameter über ein Text-Dokument passen.

Der Algorithmus erstellt von Vogt Et Al. 14, nutzt der Regionen Interest (ROI) zu filtern, in dem es über bestimmte Elemente Peak Regionen und Prinzip Komponente (Analysis, PCA) integriert. Erstens erfolgt PCA Ermittlung nur die Elemente und Gipfel, die sehr stark erkennbar sind. Dies ermöglicht die Trennung der Lärm von der true-Signal. Als nächstes wird das Prinzip, die Komponenten identifiziert numerisch quantifiziert werden, was wichtig für deconvoluting anderes Element Gipfel mit der gleichen Anregungsenergie, z. B. überlappende Au Mα und P Kαist. Schließlich kann ROI auf die numerischen Daten gefiltert werden durch die Integration in bestimmten Regionen.

Um zählt auf elementare Konzentrationen beziehen, wird gut quantifizierte Referenz (oft bezeichnet als “Standard”) unter den gleichen Messbedingungen, Geometrie und Energie, wie die Probe unter Studie gemessen. Dieser Standard ist oft aus Dresden AXO oder das National Institute of Standards and Technology (NIST). Sie decken eine Vielzahl von verschiedenen Elementen und mit tabellarischen elementar-Distributionen kommen. Die Normalisierung der gemessenen Anzahlen der Stichprobe von Interesse an die Grafen von der Standard unter den gleichen Messbedingungen bildet die Grundlage für die elementaren Quantifizierung für das Beispiel von Interesse.

Genauer gesagt, Karten identifiziert die Elemente und deren Konzentrationen des Standards entweder durch die Tatsache, dass die Standardinformationen vom Programm bekannt ist (wie bei den AXO und NIST-Standards der Fall ist) oder durch Eingabe in eine separate Datei (bei der eine verschiedene Standard verwendet wird). Aus diesen Informationen bezieht das Programm die gemessenen Intensitäten von Standardelementen unter den Messeinstellungen zur erwarteten Konzentration in Karten eingebettet. Dann schafft einen Skalierungsfaktor für jede Offset anpassen und extrapoliert dieser Skalierungsfaktor auf die restlichen Elemente, die nicht im Standard enthalten. Der Skalierungsfaktor enthält dann die Offset aus den Messeinstellungen und den Angaben in Karten für die lineare Umwandlung von raw zählt zu Flächendichte in µg/cm2.

Wir zeigen hier, wie man das Programm, Karten, entwickelt von Dr. S. Vogt, Fluoreszenz-fähigen Beamlines am Argonne National Laboratory (ANL) 14gewonnenen Daten zu quantifizieren. Die Daten für die Demonstration wurde Sektor-ID-2D der ÖNB mit den Messaufbau, dargestellt in Abbildung 1 von 10erworben. Das passende Verfahren kann auch angewendet werden, um Daten aus anderen Beamlines, aber beachten Sie, dass bestimmte Merkmale von ANL Strahllinien in das Programm eingebettet sind, müssen aktualisiert werden.

Protocol

Hinweis: Vor Beginn der Armatur, ist es wichtig zu wissen, ein paar Dinge über die durchgeführten Messungen: die Anzahl der Melder Elemente verwendet – verschiedene Beamlines verwenden verschiedene Detektoren, die manchmal segmentiert sind in kleinere Abschnitte, aus denen die Grafen sind, Lesen und kompiliert; die einfallende Energie verwendet; und der Maßstab gemessen. Diese Informationen werden über verschiedene Aspekte des Verfahrens anzuwenden. 1. Einrichten des Programms <…

Representative Results

In den folgenden Abbildungen sehen ein Beispiel für richtige passende Ergebnisse. Erstens passt in Abbildung 1 ein direkter Vergleich zwischen einer schlechten angezeigt wird und eine gute Passform für das ganzheitliche Spektrum. Die schlechte Passform ist reparabel sicherstellen, dass keine Elemente sind, die hat eines klaren Höhepunkt in Abbildung 1(links) aber gehört nicht in den Sitz fehlt, zum Beispiel Kupfer, und Anpass…

Discussion

Die Zahlen zeigen die Bedeutung der Anpassung Daten mit diesem Verfahren. Abbildung 1 (rechts) und 2 (unten) zeigen ein repräsentatives Ergebnis, das durch eine ordnungsgemäße Montage entstehen sollte. Ist eine unzureichende Passform, das ganzheitliche Spektrum Bild sieht deutlich ab und die resultierenden quantifizierten Daten haben Fehler drin, obwohl diese schwer zu erkennen, in den meisten Fällen werden. Für bestimmte setzt Probentypen, für die der Standard nicht repräsentativ für die Element…

Divulgazioni

The authors have nothing to disclose.

Acknowledgements

Wir anerkennen die Finanzierung durch das U.S. Department of Energy unter Vertrag DE-EE0005948. Nutzung des Centers für nanoskalige Materialien und Advanced Photon Source, beide Office of Science Benutzer Anlagen wurde unterstützt durch das U.S. Department of Energy, Office of Science, Büro von Energie Grundlagenwissenschaften, unter Vertragsnr. DE-AC02-06CH11357. Dieses Material basiert auf Arbeit teilweise unterstützt von der National Science Foundation (NSF) und der Department of Energy (DOE) nach NSF CA Nr. EWG-1041895. Video Bearbeitung erfolgte durch VISLAB an der Arizona State University. Meinungen, Erkenntnisse und Schlussfolgerungen oder Empfehlungen zum Ausdruck gebracht in diesem Material sind diejenigen der Autoren und spiegeln nicht unbedingt die der NSF oder DOE. T.n. wird unterstützt durch ein IGERT-SUN-Stipendium finanziert von der National Science Foundation (Preis 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