Dependence of Growth Parameters of Atomic Chains on Changes in the Substrate Temperature

Cover Page

Cite item

Full Text

Abstract

The growth and evolution of one-dimensional nanostructures on metal stepped surfaces were studied using the kinetic Monte Carlo method. The distribution of nanochain lengths was shown to change differently when the substrate was heated and cooled. Regularities are described that connect the nature of changes in the length distribution and the relative values of diffusion barriers for adatoms on the surface, which will make it possible to predict the length distribution of the resulting one-dimensional nanostructures.

Full Text

ВВЕДЕНИЕ

Одномерные наноструктуры привлекают внимание ученых и инженеров в разнообразных отраслях науки и промышленности уже не одно десятилетие. Во многом этот интерес определяется различными свойствами таких структур, благодаря которым их можно использовать в качестве элементов новых микроэлектронных устройств, химических катализаторов, сенсоров, элементов магнитной памяти [1].

Однако для того, чтобы эти структуры смогли проявить свои уникальные свойства, их необходимо объединить в упорядоченный массив на поверхности [2]. Возможны два принципиально различающихся подхода к созданию одномерных наноструктур: “сверху вниз” и “снизу вверх”. В рамках первого подхода наноцепочки можно собирать по одному атому при помощи, например, иглы сканирующего туннельного микроскопа [3, 4]. Этот метод точен и обладает хорошей воспроизводимостью, тем не менее его критическим недостатком является малая скорость, даже при учете того, что скорость работы современной аппаратуры значительно возросла за последнее время [5, 6].

Второй подход использует явление самоорганизации атомов, осаждаемых на поверхность, в наноструктуры согласно рельефу потенциальной энергии, на этой поверхности [7–13]. В процессе осаждения возможен одновременный рост наноструктур на всей поверхности, что существенно ускоряет создание необходимого упорядочения наноцепочек. Однако для эффективного использования этого подхода необходимо знание о характере взаимодействия атомов на подложке как между собой, так и с поверхностью.

Основной целью настоящей работы было определение соотношений характерных значений энергии взаимодействия между адатомами, при которых рост наноцепочек будет происходить с заданными параметрами. В качестве исследуемых систем были выбраны системы Ag на поверхности Pt (997) [9], а также Co на поверхности Cu (775) [8], формирование наноцепочек в которых было хорошо изучено экспериментально и объяснено теоретически.

МЕТОДИКА

Моделирование формирования одномерных наноструктур на ступенчатых металлических поверхностях было проведено кинетическим методом Монте-Карло [14, 15]. Взаимодействия адатомов между собой и с поверхностью рассматривали в рамках следующей модели. Основными событиями были: прыжок атома к сформировавшейся цепочке (диффузионный барьер ΔE1), отсоединение атома от цепочки (ΔE2), движение адатома по поверхности вдоль ступени (ΔE3), а также блуждание вакансии по цепочке (ΔE4). Схематично перечисленные события изображены на рис. 1. Частоты переходов, соответствующие данным событиям, определяли, используя уравнение Аррениуса:

ν=ν0exp(E/kT),

где E – диффузионный барьер, k – постоянная Больцмана, T – температура. Предэкспоненциальный множитель считали равным 1012 Гц. Ступенчатая поверхность имела в длину 1000 атомов и состояла из 10 террас, ширина каждой – семь атомных рядов. Расчеты показали, что качественный характер результатов не изменится при увеличении ширины террас на два атомных ряда, а значит сравнение результатов с экспериментальными распределениями длин цепочек в системах Ag/Pt (997) и Co/Cu (775) возможно.

 

Рис. 1. Схематичное изображение основных событий в модели расчета и диффузионные барьеры для этих событий

 

Численный эксперимент проводили с помощью комплекса программ, разработанных под руководством проф. А.Л. Клавсюка, реализующих кинетический метод Монте-Карло. Каждый численный эксперимент состоял из нескольких этапов, в течение которых атомы последовательно напыляли на поверхность, и в дальнейшем температура подложки изменялась по линейному закону:

T(t)=T1+(T2T1)t/Δt,

где T1 – температура подложки в начале этапа, T2 – ее температура в конце этапа, Δt – характерное время охлаждения. Всего для каждого уникального набора параметров было осуществлено несколько тысяч индивидуальных расчетов, результаты которых были потом усреднены и проанализированы.

РЕЗУЛЬТАТЫ И ИХ ОБСУЖДЕНИЕ

В большинстве случаев одномерные наноструктуры формируют при высокой температуре, а их исследование, в том числе измерение их длин, проводят после их охлаждения [16, 17]. Так, например, напыление атомов серебра на поверхность платины происходило при температуре 400 К, а последующий анализ проводился при существенно более низкой температуре 77 К [9]. Вид получающегося распределения длин одномерных наноструктур определяется большим числом различных факторов, важнейший среди них – температура подложки. Как уже было показано ранее, при высоких температурах напыленные атомы более подвижны, что позволяет системе быстро достичь состояния термодинамического равновесия и дает возможность аппроксимировать экспериментальное распределение длин цепочек равновесным выражением [18, 19]. При более низких температурах этот процесс может занять более продолжительное время.

С температурой поверхности вид равновесного распределения длин цепочек изменяется: при росте температуры средняя длина цепочки также возрастает, а относительная доля мономеров снижается по сравнению с состоянием при низкой температуре. В то же время характерный вид распределения сохраняется (рис. 2).

 

Рис. 2. Равновесные распределения длин цепочек в системе Ag/Pt(997) при низкой температуре (штриховая линия) и высокой температуре (сплошная линия)

 

При нагревании образца переход его из одного равновесного состояния в другое сопровождается увеличением средней длины цепочки (рис. 3). Если начальная и конечная температуры лежат по разные стороны от критической температуры, то неравновесное распределение в течение некоторого времени теряет монотонно убывающий вид (характерный для равновесного распределения) и обладает единственным пиком. Под критической температурой TC подразумевается такая температура подложки, при которой подвижность атомов на краях цепочек существенно ниже, чем отдельных атомов, занимающих место вдоль края террасы. Тогда при нагреве образца атомы, отсоединяющиеся от краев более длинных цепочек, двигаются вдоль края ступени и образовывают новые центры роста в тех местах, где промежуток между уже существующими цепочками достаточно велик. При охлаждении подложки, наоборот, отсоединение атомов от цепочек становится менее вероятным, что ведет к уменьшению средней длины образующихся цепочек.

 

Рис. 3. Диаграмма распределения длин наноцепочек в зависимости от начальной (T1) и конечной (T2) температуры: 1 – нагрев образца, средняя длина увеличивается; 2 – распределение не изменяется; 3 – охлаждение образца, средняя длина наноструктур уменьшается. TC – критическая температура

 

В то же время полезно обратить внимание на зависимость поведения наноцепочек на поверхности от выбора материалов системы. Рассмотрим системы Ag/Pt и Co/Cu, диффузионные барьеры для которых приведены в [20]. Расчеты, проведенные для различных комбинаций диффузионных барьеров ΔE1 – ΔE4, показали, что формирование наноцепочек конечной длины будет происходить только в случае ΔE2 ≥ ΔE1: атомам будет выгоднее присоединяться к уже образовавшейся цепочке, чем отсоединяться от нее и образовывать новую (рис. 4). Зависимость от высоты барьера ΔE3 незначительна; однако если величина диффузионного барьера вдоль края ступени в отсутствие уже образовавшейся ступени превышает ΔE2, то удлинение уже существующей наноцепочки также затруднено.

 

Рис. 4. Диаграмма морфологии роста наноцепочек на ступенчатой поверхности в зависимости от отношения диффузионных барьеров ΔE1 и ΔE2: 1 – идет рост цепочек конечной длины; 2 – образуются мономеры вместо цепочек

 

Необходимо отдельно отметить, что если температура подложки выше критической, то влиянием диффузионных барьеров можно пренебречь. В обратном случае проявляется зависимость от величины диффузионного барьера ΔE3. Чем он выше, тем короче образовавшиеся наноструктуры и тем больше отклонение их длин от среднего значения. Это можно объяснить тем, что в такой системе оствальдовское созревание цепочек затрудняется, а атомы менее охотно движутся вдоль края ступени [21]. При больших значениях ΔE3 пик распределения по длинам будет тем выше и уже, чем больше значение ΔE4. Это объясняется затрудненным движением вакансий внутри уже образовавшихся цепочек.

БЛАГОДАРНОСТИ

При выполнении работы были использованы вычислительные ресурсы Научно-исследовательского вычислительного центра Московского государственного университета им. М.В. Ломоносова (НИВЦ МГУ).

Работа выполнена при поддержке Российского научного фонда (грант № 21-72-20034), а также частично в рамках государственного задания Министерства науки и высшего образования Российской Федерации (тема № 122040500060-4).

Конфликт интересов. Авторы заявляют, что у них нет конфликта интересов.

×

About the authors

A. G. Syromyatnikov

Lomonosov Moscow State University; Semenov Federal Research Center for Chemical Physics of the RAS

Author for correspondence.
Email: ag.syromyatnikov@physics.msu.ru
Russian Federation, Moscow; Moscow

S. A. Kudryashov

Lomonosov Moscow State University

Email: ag.syromyatnikov@physics.msu.ru
Russian Federation, Moscow

A. L. Klavsyuk

Lomonosov Moscow State University

Email: ag.syromyatnikov@physics.msu.ru
Russian Federation, Moscow

A. M. Saletsky

Lomonosov Moscow State University

Email: ag.syromyatnikov@physics.msu.ru
Russian Federation, Moscow

References

  1. Клавсюк А.Л., Салецкий А.М. // Успехи физических наук. 2015. Т. 185. № 10. С. 1009. https://doi.org/10.3367/UFNr.0185.201510a.1009
  2. Сыромятников А.Г., Колесников С.В., Салецкий А.М., Клавсюк А.Л. // Успехи физических наук. 2021. Т. 191. № 07. С. 705. https://doi.org/10.3367/UFNr.2020.06.038789
  3. Loth S., Baumann S., Lutz C.P., Eigler D.M., Heinrich A.J. // Science. 2012. V. 335. № 6065. P. 196. https://doi.org/10.1126/science.1214131
  4. Fölsch S., Hyldgaard P., Koch R., Ploog K.H. // Phys. Rev. Lett. 2004. V. 92. № 5. P. 056803. https://doi.org/10.1103/PhysRevLett.92.056803
  5. Vu Q.H., Morgenstern K. // Phys. Rev. B. 2017. V. 95. № 12. Р. 125423. https://doi.org/10.1103/PhysRevB.95.125423
  6. Frenken J.W.M., Groot I.M.N. // MRS Bull. 2017. V. 42. № 11. P. 834. https://doi.org/10.1557/mrs.2017.239
  7. Ferstl P., Hammer L., Sobel C., Gubo M., Heinz K., Schneider M. A., Mittendorfer F., Redinger J. // Phys. Rev. Lett. 2016. V. 117. № 4. P. 046101. https://doi.org/10.1103/PhysRevLett.117.046101
  8. Zaki N., Potapenko D., Johnson P. D., Osgood R. M. // Phys. Rev. B. 2009. V. 80. № 15. P. 155419. https://doi.org/10.1103/PhysRevB.80.155419
  9. Gambardella P., Brune H., Kern K., Marchenko V. I. // Phys. Rev. B. 2006. V. 73. № 24. P. 245425. https://doi.org/10.1103/PhysRevB.73.245425
  10. Kuhnke K., Kern K. // J. Phys.: Condens. Matter. 2003. V. 15. № 47. P. S3311. https://doi.org/10.1088/0953-8984/15/47/007
  11. Tonhäuser J., Atiawotse E., Kürpick U., Matzdorf R. // Surf. Sci. 2022. V. 720. P. 122053. https://doi.org/10.1016/j.susc.2022.122053
  12. Kabanov N.S., Heimbuch R., Zandvliet H.J.W., Saletsky A.M., Klavsyuk A.L. // Appl. Surf. Sci. 2017. V. 404. P. 12. https://doi.org/10.1016/j.apsusc.2017.01.206
  13. Schiel C., Vogtland M., Bechstein R., Kühnle A., Maass P. // J. Phys. Chem. C. 2020. V. 124. № 39. P. 21583. https://doi.org/10.1021/acs.jpcc.0c06676
  14. Syromyatnikov A.G., Saletsky A.M., Klavsyuk A.L. // Phys. Rev. B. 2018. V. 97. № 23. P. 235444. https://doi.org/10.1103/PhysRevB.97.235444
  15. Сыромятников А.Г., Кудряшов С.А., Салецкий А.М., Клавсюк А.Л. // ЖЭТФ. 2021. Т. 160. Вып. 3. С. 410. https://doi.org/10.31857/S0044451021090078
  16. Mocking T.F., Bampoulis P., Oncel N., Poelsema B., Zandvliet H.J.W. // Nat. Commun. 2013. V. 4. P. 2387. https://doi.org/10.1038/ncomms3387
  17. Sánchez J.A., González D.L., Einstein T.L. // Phys. Rev. E. 2019. V. 100. № 5. P. 052805. https://doi.org/10.1103/PhysRevE.100.052805
  18. Syromyatnikov A.G., Guseynova M.R., Saletsky A.M., Klavsyuk A.L. // J. Stat. Mech. 2020. V. 2020. № 9. P. 093202. https://doi.org/10.1088/1742-5468/abacb1
  19. Yilmaz M.B., Zimmermann F.M. // Phys. Rev. E. 2005. V. 71. № 2. P. 026127. https://doi.org/10.1103/PhysRevE.71.026127
  20. Сыромятников А.Г., Салецкий А.М., Клавсюк А.Л. // Письма в ЖЭТФ. 2019. Т. 110. Вып. 5. С. 331. https://doi.org/10.1134/S0370274X19170089
  21. Tokar V.I., Dreyssé H. // Surf. Sci. 2015. V. 637–638. P. 116. https://doi.org/10.1016/j.susc.2015.03.029

Supplementary files

Supplementary Files
Action
1. JATS XML
2. Fig. 1. Schematic representation of the main events in the calculation model and diffusion barriers for these events

Download (199KB)
3. Fig. 2. Equilibrium distributions of chain lengths in the Ag/Pt(997) system at low temperature (dashed line) and high temperature (solid line)

Download (115KB)
4. Fig. 3. Diagram of nanocircuit length distribution as a function of initial (T1) and final (T2) temperature: 1 - sample heating, average length increases; 2 - distribution does not change; 3 - sample cooling, average length of nanostructures decreases. TC - critical temperature

Download (135KB)
5. Fig. 4. Diagram of the morphology of the growth of nanochains on a stepped surface depending on the ratio of diffusion barriers ΔE1 and ΔE2: 1 - chains of finite length are growing; 2 - monomers instead of chains are formed

Download (134KB)

Copyright (c) 2024 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».