2020-02-08-2小刘科研笔记之FIB-SEM双束系统在材料研究中的应用

聚焦离子束扫描电镜双束系统（FIB-SEM）是在SEM的基础上增加了聚焦离子束镜筒的双束系统，同时具备微纳加工和成像的功能，广泛应用于科学研究和半导体芯片研发等多个领域。本文记录一下FIB-SEM在材料研究中的应用。

以目前实验室配有的FIB-SEM的型号是蔡司的Crossbeam 540为例进行如下分析，离子束最高成像分辨率为3nm，电子束最高分辨率为0.9nm。该系统的主要部件及功能如下：

1.离子束： 溅射（切割、抛光、刻蚀）；刻蚀最小线宽10nm，切片最薄3nm。 

2.电子束 ： 成像和实时观察

3.GIS(气体注入系统)： 沉积和辅助刻蚀；五种气体：Pt、W、SiO2、Au、XeF2(增强刻蚀SiO2)

4.纳米机械手：  转移样品 

5.EDS： 成分定量和分布

6.EBSD ： 微区晶向及晶粒分布

7.Loadlock（样品预抽室）： 快速进样，进样时间只需~1min

由上述FIB-SEM的一个部件或多个部件联合使用，可以实现在材料研究中的多种应用，具体应用实例如下：

图2a和b分别是梳子形状的CdS微米线的光学显微镜和扫描电镜照片，从光学显微镜照片可以看出在CdS微米线节点处内部含有其他物质，但无法确定是什么材料和内部形貌。利用FIB-SEM在节点处定点切割截面，然后对截面成像和做EDS mapping，如图2c、d、e和f所示，可以很直观的得到在CdS微米线的节点处内部含有Sn球。

FIB-SEM制备TEM样品的常规步骤如图3所示，主要有以下几步：

1）在样品感兴趣位置沉积pt保护层

2）在感兴趣区域的两侧挖大坑，得到只有约1微米厚的薄片

3）对薄片进行U-cut，将薄片底部和一侧完全切断

4）缓慢移下纳米机械手，轻轻接触薄片悬空的一端后，沉积pt将薄片和纳米机械手焊接牢固，然后切断薄片另一侧，缓慢升起纳米机械手即可提出薄片

5）移动样品台和纳米机械手，使薄片与铜网（放置TEM样品用）轻轻接触，然后沉积pt将薄片和铜网焊接牢固，将薄片和纳米机械手连接的一端切断，移开纳米机械手，转移完成

6）最后一步为减薄和清洗，先用大加速电压离子束将薄片减薄至150nm左右，再利用低电压离子束将其减薄至最终厚度（普通TEM样品<100nm，高分辨TEM样品50nm左右，球差TEM样品<50nm）

一种如图4a所示的MoS2场效应管，需要确定实际器件中MoS2的层数及栅极（Ag纳米线）和MoS2之间的距离。利用FIB-SEM可以准确的在MoS2场效应管的沟道位置，垂直于Ag纳米线方向，提出一个薄片，并对其进行减薄，制备成截面透射样。在TEM下即可得到MoS2的层数为14层（图4c）， Ag纳米线和MoS2之间的距离为30nm（图4b）。

图5是一种锰酸锂材料的STEM像，该样品是由FIB-SEM制备，图中可以看到清晰的原子像。这表明FIB-SEM制备的该球差透射样非常薄并且有很少的损伤层。

FIB-SEM还可以进行微纳图形的加工。

图6a 是FIB-SEM在Au/SiO2上制备的光栅，光栅周期为150nm，光栅开口为75nm。

图6b 是利用FIB-SEM在Mo/石英上做的切仑科夫辐射源针尖，针尖曲率半径为17nm。

图6c 是在Au膜上加工的三维对称结构蜘蛛网。

图6d 是FIB-SEM在硅上刻蚀的贺新年图案，图中最小细节尺寸仅有25nm。

FIB-SEM可以对材料进行切片式的形貌和成分三维重构，揭示材料的内部三维结构。大概过程如图7a所示， FIB切掉一定厚度的样品，SEM拍一张照片，重复此过程，连续拍上百张照片，然后将上百张切片照片重构出三维形貌。图7b是一种多孔材料内部3×5×2um范围的三维重构结果，其实验数据是利用FIB-SEM采集，三维重构是利用Avizo软件得到，其分辩率可达纳米级，展示了内部孔隙的三维空间分布，并可以计算出孔隙的半径大小、体积及曲率等参数。

利用FIB-SEM配有的纳米机械手及配合使用离子束沉积Pt，可以实现微米材料的转移，即把某种材料从一个位置（衬底）转移到特定位置（衬底），并固定牢固。图8是把四针氧化锌微米线从硅片转移到两电极的沟道之间，从而制备成两个微米线间距只有1um的特殊器件。

最后，FIB-SEM还有很多其他的应用，例如三维原子探针样品制备，芯片线路修改等。总之FIB-SEM是材料研究中一个非常重要的手段。

不积珪步，无以至千里；不积细流，无以成江海。做好每一份工作，都需要坚持不懈的学习。

SEM简单介绍，以下资料来源

因果关系：SEM一般用于建立因果关系模型，但是本身却并不能阐明模型的因果关系。

一般应用于：测量错误、错漏的数据、中介模型（mediation model）、差异分析。

历史：SEM 包括了 回归分析，路径分析（wright, 1921）,验证性因子分析（confirmatory factor analysis）（Joreskog, 1969）.

SEM也被称为 协方差结构模型（covariance structure modelling），协方差结构分析和因果模型。

因果关系：

究竟哪一个是“真的”？ 在被假设的因果变量中其实有一个完整的因果链。

举一个简单的例子： 吃糖果导致蛀牙。这里涉及2个变量，“吃糖果”和“蛀牙”，前者是因，后者是果。 如果上一个因果关系成立，那将会形成一个因果机制，也许会出现这样的结构：

3. 这时还有可能出现更多的潜在变量：

这里我又举另外一个例子，回归模型

在这里，回归模型并不能很好的描述出因果次序，而且也不能轻易的识别因果次序或者未测量的因子。这也是为什么在国外学术界SEM如此流行的原因。

我们在举另外一个例子“路径分析”

路径分析能让我们用于条件模型（conditional relationships），上图中的模型是一种调解型模型或者中介模型，在这里Z 是作为一个中介调节者同时调节X和Y这两个变量的关系。

在这里我们总结一下：

回归分析简单的说就是：X真的影响Y 吗？

路径分析：为什么/如何 X 会影响Y？ 是通过其他潜在变量Z 来达到的吗？例子：刷牙（X）减少蛀牙（Y）通过减少细菌的方法（Z）。------测量和测试中介变量（例如上图中的Z变量）可以帮助评估因果假设。

在这里要提一下因素模型（factor model）

在这个模型当中，各个变量有可能由于受到未被观察到的变量所影响，变得相互有内在的联系，一般来说那些变量都很复杂、混乱，而且很多变量是不能直接被观察到的。

举个例子：“保龄球俱乐部的会员卡”和“本地报纸阅读”，是被观察到的变量，而“社会资产”则是未被观察到的变量。另一个例子：“房屋立法”和“异族通婚”是被观察到的变量，而“种族偏见”是未被观察到的变量。

相互关系并不完全由被观察到的变量的因果关系所导致，而是由于那些潜在的变量而导致。

这些被观察到变量（y1--y4）也有可能由一个潜在的变量（F）所影响。

---