Abstrakti

While offering high resolution atomic and electronic structure, scanning probe microscopy techniques have found greater challenges in providing reliable electrostatic characterization on the same scale. In this work, we offer electrostatic discovery atomic force microscopy, a machine learning based method which provides immediate maps of the electrostatic potential directly from atomic force microscopy images with functionalized tips. We apply this to characterize the electrostatic properties of a variety of molecular systems and compare directly to reference simulations, demonstrating good agreement. This approach offers reliable atomic scale electrostatic maps on any system with minimal computational overhead.
AlkuperäiskieliEnglanti
Sivut89-97
Sivumäärä9
JulkaisuACS Nano
Vuosikerta16
Numero1
Varhainen verkossa julkaisun päivämäärä22 marrask. 2021
DOI - pysyväislinkit
TilaJulkaistu - 25 tammik. 2022
OKM-julkaisutyyppiA1 Alkuperäisartikkeli tieteellisessä aikakauslehdessä

Sormenjälki

Sukella tutkimusaiheisiin 'Electrostatic Discovery Atomic Force Microscopy'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä