كشف البُعد الثالث الخفي لعيوب النقاط في MXenes ثنائية الأبعاد

لماذا تهم العيوب الصغيرة في المواد المسطحة

من إلكترونيات أسرع إلى مياه أنظف وبطاريات أفضل، ستعتمد العديد من التقنيات المستقبلية على مواد رقيقة للغاية بسُمك بضع ذرات فقط. في هذه المواد الشبيهة بالصفائح، يمكن لذرة واحدة مفقودة — عيب نقطي — أن تغيّر بشكل جذري سلوك المادة. ومع ذلك، في الأجهزة الحقيقية غالبًا ما تكون هذه الصفائح مكدّسة في عدة طبقات، مما يجعل من الصعب للغاية رؤية كيفية ترتيب مثل هذه العيوب الصغيرة في ثلاثة أبعاد. تُبيّن هذه الدراسة كيف يمكن للعلماء أخيرًا كشف المشهد الثلاثي الأبعاد الخفي لهذه العيوب في عائلة واعدة من المواد تُدعى MXenes، فاتحة الباب أمام «هندسة» العيوب عن قصد لضبط الأداء.

إلقاء نظرة تحت سطح صفائح MXene

تُعد MXenes طبقات رقيقة ذرّياً من معادن وكربون أو نيتروجين جذبت اهتمامًا كبيرًا لتطبيقاتها في تخزين الطاقة والإلكترونيات وتنقية المياه والاستخدامات الطبية الحيوية. عادةً ما تُصنع عن طريق نحت بعض العناصر كيميائيًا من بلورة حجمية، وهي عملية شديدة تؤدي أيضًا إلى طرد ذرات معدنية وترك مواقع فارغة. يعرف الباحثون أن هذه الفراغات يمكن أن تؤثر بقوة على خصائص مثل التوصيل والقوة الميكانيكية، لكن الميكروسكوبات الحالية توفر غالبًا صورًا مسطحة ومن الأعلى. وهذا يعني أن العلماء كانوا إلى حد كبير عميانًا بشأن كيفية ترتيب العيوب عبر طبقات ذرية متعددة داخل رقة واحدة، وهو جزء مفقود يصعّب ربط ظروف المعالجة بالأداء الفعلي.

السماح للذكاء الاصطناعي بقراءة صور الذرات واحدة تلو الأخرى

لتجاوز هذا التحدي، طوّر المؤلفون سير عمل موجهًا بالذكاء الاصطناعي يعمل جنبًا إلى جنب مع المجهر الإلكتروني المتقدم. استخدموا مجهر انتقال المسح الإلكتروني لتصوير رقات منفردة من MXene قائم على التيتانيوم (Ti₃C₂Tₓ) تحت ظروف منخفضة الضرر ومراقبة دقيقة. ثم، بدلًا من تمييز كل ذرة وفراغ يدويًا بالعين — وهو عمل بطيء ومعرّض للأخطاء — درّبوا شبكتين عصبيتين: إحداهما لالتقاط الشبكة الذرية المنتظمة وأخرى لاكتشاف الفراغات. حدّدت هذه المقاربة تلقائيًا أكثر من 150,000 ذرة وحوالي 3,000 فراغ عبر الطبقات المعدنية الثلاث للعديد من رقائق MXene، موفِّرة صورة إحصائية قوية لمواقع ظهور العيوب.

إعادة بناء البُعد الثالث الخفي

مسلّحين بإحداثيات دقيقة لكل ذرة وفراغ، أعاد الفريق بناء كيفية توزيع العيوب عبر سمك صفائح MXene. من خلال استغلال الهندسة البلورية المعروفة وزاوية الرؤية في المجهر، استطاعوا فصل الذرات إلى طبقتين خارجيتين وطبقة وسطى واحدة. وجدوا أن الطبقات الخارجية تضم باستمرار المزيد من الفراغات مقارنة بالطبقة الوسطى، وهو ما يتوافق مع التنبؤات السابقة بأن نزع الذرات من السطوح أسهل من الداخل. بمقارنة عينات نُقشت بأحماض فلوريدية ذات قوة مختلفة، أظهروا أن الشروط الأشد لا تزيد فقط العدد الإجمالي لذرات التيتانيوم المفقودة بل تزيد كذلك عدد العيوب في الطبقات تحت السطحية.

من الفراغات المنفردة إلى الأنفاق الصغيرة

كانت القوة الحقيقية لإعادة البناء ثلاثية الأبعاد هي القدرة على تصنيف كيفية تجمع الفراغات معًا. وجد الباحثون أربعة أنواع رئيسية: ذرات مفقودة منعزلة حقيقية؛ تكتلات سطحية محصورة في طبقة واحدة؛ تكتلات بين-طبقية تربط الفراغات عبر الطبقات المجاورة؛ ونفاذات نانوية، حيث تشكّل سلسلة عمودية من الذرات المفقودة نفقًا صغيرًا عبر الطبقات الثلاث. عبر جميع العينات، كان ما يقرب من نصف العيوب جزءًا من تكتلات بدلاً من كونها منعزلة. خلّقت النقش الأشد مزيدًا من هذه العيوب المعقدة والمتعددة الطبقات والنفاذات النانوية، رغم أن الحجم النموذجي لكل تكتل ظل تقريبًا نفسه. يشير ذلك إلى أن ظروف المعالجة تغير بشكل أساسي تواتر ظهور مثل هذه التكتلات، لا حجم نموّها.

محاكيات تشرح سبب تشكّل التكتلات

لفهم سبب تفضيل الفراغات للتكتل، جمع الفريق نتائجهم التجريبية مع محاكاة حاسوبية واسعة النطاق حاكت شبكة MXene تحت ظروف خفية مختلفة، مثل عدد ذرات الكربون المفقودة وتغطية مجموعات السطح المرتبطة بالطبقات المعدنية الخارجية. أظهرت هذه المحاكاة أنه عندما تكون فراغات الكربون أكثر شيوعًا، تميل فراغات التيتانيوم إلى التجمع بالقرب منها، مما يقلّل عدد الروابط المكسورة ويخفض الطاقة الكلية. زيادة كثافة مجموعات السطح، على النقيض من ذلك، تجعل التركّز في الطبقات الخارجية أقل تفضيلاً وتدفع بعض التكتلات إلى الداخل. عندما طابق الباحثون أنماط العيوب المحاكاة مع القياسات، جاء أفضل توافق في سيناريوهات ذات فراغات كربون كبيرة وتغطية سطح متوسطة، مما يبرز كيف تُوجه هذه المكونات «غير المرئية» المشهد الثلاثي الأبعاد للعيوب.

تصميم مواد أفضل عن طريق ضبط عيوبها

بشكل إجمالي، تعرض هذه الدراسة طريقة جديدة لرؤية وقياس العيوب الذرية الفردية عبر حجم المواد ذات الطبقات الثنائية الأبعاد المكدّسة، بدلًا من المشاهدة السطحية فقط. بالنسبة لـ MXenes، تكشف الطريقة كيف تتحكم قوة الحمض والكيمياء المرتبطة بها فيما إذا كانت الذرات المفقودة تبقى معزولة أو تتجمع في تكتلات ونفاذات نانوية يمكن أن تؤثر بقوة على السلوك الكهربائي والميكانيكي والكيميائي. على نطاق أوسع، يمكن تكييف إطار العمل المتمثل في المجهر الموجَّه بالذكاء الاصطناعي المدمج مع المحاكاة على العديد من المواد الطبقية الأخرى. بتحويل أنماط العيوب الخفية إلى شيء يمكن قياسه وتصنيفه ونمذجته، يمكن للعلماء أن يبدأوا بتصميم والتحكم في «توبولوجيا العيوب» عمدًا — مفصّلين عدم كمالٍ صغير لبناء بطاريات ومحفّزات وأجهزة استشعار أفضل، وما بعدها.

الاستشهاد: Guinan, G., Smeaton, M.A., Wyatt, B.C. et al. Revealing the hidden third dimension of point defects in two-dimensional MXenes. Nat Commun 17, 3473 (2026). https://doi.org/10.1038/s41467-026-71670-y

الكلمات المفتاحية: MXenes, عيوب النقاط, المجهر الإلكتروني, التعلم الآلي, المواد ثنائية البعد