Inzicht in interfaces van hybride materialen met machine learning

Met behulp van machine learning-methoden kunnen onderzoekers van de TU Graz de structuurvorming van gefunctionaliseerde moleculen op de grensvlakken van hybride materialen voorspellen. Nu zijn ze er ook in geslaagd om achter de drijvende krachten van deze structuurformatie te kijken.

De productie van nanomaterialen omvat zelfassemblageprocessen van gefunctionaliseerde (organische) moleculen op anorganische oppervlakken. Deze combinatie van organische en anorganische componenten is essentieel voor toepassingen in organische elektronica en andere gebieden van nanotechnologie.

Tot nu toe werden bepaalde gewenste oppervlakte-eigenschappen vaak met vallen en opstaan ​​bereikt. Moleculen werden chemisch gemodificeerd totdat het beste resultaat voor de gewenste oppervlakte-eigenschap werd gevonden. De processen die de zelfassemblage van moleculen aan grensvlakken regelen, zijn echter zo complex dat kleine moleculaire veranderingen tot totaal verschillende motieven kunnen leiden. Natuurkundigen van de TU Graz verklaren deze onverwachte structuurvorming in een studie gepubliceerd in het gerenommeerde tijdschrift ACS Nano​

Hiervoor bestudeerden de onderzoekers quinoïde verbindingen op een zilveren oppervlak. Eerste auteur Andreas Jeindl van het Institute of Solid State Physics legt uit: “Naïef zou je verwachten dat moleculen met iets verschillende groottes maar dezelfde functionalisatie vergelijkbare motieven vormen. In opvallend contrast toont onze gezamenlijke theoretische en experimentele studie aan dat chinonen diverse structuren kunnen vormen. . Ondanks constante initiële omstandigheden, kan de vorming van deze structuren niet worden voorspeld en gepland zonder gedetailleerde kennis van de relevante interacties. “

Drie tegengestelde drijfveren

De onderzoekers in Graz, samen met een team van de FSU Jena, zijn nu begonnen deze onvoorspelbaarheid te doorbreken. Ze ontdekten dat de structuurvorming het resultaat is van een wisselwerking tussen drie tegengestelde drijvende krachten: de interactie tussen moleculen en het metaal probeert alle moleculen in dezelfde oriëntatie te dwingen, terwijl de interactie tussen moleculen soms verschillende oriëntaties bevordert. De geometrische vormen van de moleculen fungeren dan als een derde factor, die bepaalde interacties verhindert of slechts gedeeltelijk toelaat.

Op basis hiervan waren ze in staat een ontwerpprincipe vast te stellen waarmee de structuren die zich vormen aan de grensvlakken, en vervolgens hun eigenschappen, kunnen worden voorspeld – althans voor een eerste klasse moleculen. Een essentiële rol wordt gespeeld door een zoekalgoritme (SAMPLE) op basis van machine learning. Jeindl licht toe: “ We konden in deze publicatie aantonen dat de structuren die door ons algoritme worden voorspeld, uitstekend overeenkomen met experimentele karakteriseringen van organisch-anorganische grensvlakken – zowel wat betreft hoe de moleculen zich oriënteren op het oppervlak als hoe de motieven zich herhalen op het oppervlak. Bovendien heeft onze analyse voor het eerst een gedetailleerde en kwantitatieve uitsplitsing van de drijvende krachten mogelijk gemaakt, niet alleen van de experimenteel gevormde structuren, maar de facto van alle denkbare structuren. Dit is een belangrijke blik achter de schermen. van structuurvorming. “

Grensvlakken met modulaire bouwstenen

Het niet-intuïtieve samenspel van even belangrijke interactiemechanismen blijft een uitdaging voor het ontwerp van functionele interfaces. Met een gedetailleerd onderzoek van alle drijvende krachten zijn de fysici van de TU Graz echter in staat om een ​​ontwerpprincipe te bedenken voor de zelfassemblage van gefunctionaliseerde moleculen voor een bepaalde klasse van moleculen. Als er voldoende analyses zijn voor verschillende klassen moleculen, kunnen de juiste moleculen voor de gewenste grensvlakkenmerken eenvoudig op de computer worden samengesteld uit modulaire bouwstenen.