Organische halfgeleiders zijn lichtgewicht, flexibel en gemakkelijk te vervaardigen. Maar ze voldoen vaak niet aan de verwachtingen met betrekking tot efficiëntie en stabiliteit. Onderzoekers van de Technische Universiteit van München (TUM) passen nu datamining-benaderingen toe om veelbelovende organische verbindingen voor de elektronica van de toekomst te identificeren.

Het produceren van traditionele zonnecellen van silicium is zeer energie-intensief. Daarbovenop, ze zijn stijf en broos. Organische halfgeleidermaterialen, anderzijds, zijn flexibel en lichtgewicht. Ze zouden een veelbelovend alternatief zijn, als hun efficiëntie en stabiliteit maar vergelijkbaar waren met traditionele cellen.

Samen met zijn team, Karsten Reuter, Hoogleraar theoretische chemie aan de Technische Universiteit van München, is op zoek naar nieuwe stoffen voor fotovoltaïsche toepassingen, evenals voor displays en lichtgevende diodes - OLED's. De onderzoekers hebben hun zinnen gezet op organische verbindingen die voortbouwen op raamwerken van koolstofatomen.

Kanshebbers voor de elektronica van morgen

Afhankelijk van hun structuur en samenstelling, deze moleculen, en de daaruit gevormde materialen, vertonen een grote verscheidenheid aan fysieke eigenschappen, met tal van veelbelovende kandidaten voor de elektronica van de toekomst.

"Daten, een groot probleem is ze op te sporen:het duurt weken tot maanden om te synthetiseren, testen en optimaliseren van nieuwe materialen in het laboratorium, ", zegt Reuter. "Met behulp van computationele screening, we kunnen dit proces enorm versnellen."

Computers in plaats van reageerbuizen

De onderzoeker heeft noch reageerbuisjes noch bunsenbranders nodig om op zoek te gaan naar veelbelovende organische halfgeleiders. Met behulp van een krachtige computer, hij en zijn team analyseren bestaande databases. Deze virtuele zoektocht naar relaties en patronen staat bekend als datamining.

"Weten wat je zoekt is cruciaal in datamining, " zegt PD Dr. Harald Oberhofer, die het project leidt. "In ons geval, het is elektrische geleidbaarheid. Hoge geleidbaarheid zorgt, bijvoorbeeld, dat er veel stroom in fotovoltaïsche cellen vloeit wanneer zonlicht de moleculen opwindt."

Algoritmen identificeren belangrijke parameters

Met behulp van zijn algoritmen, hij kan zoeken naar zeer specifieke fysieke parameters:een belangrijke is, bijvoorbeeld, de "koppelingsparameter". Hoe groter het is, hoe sneller elektronen van het ene molecuul naar het andere gaan.

Een andere parameter is de "reorganisatie-energie":deze definieert hoe duur het is voor een molecuul om zijn structuur aan te passen aan de nieuwe lading na een ladingsoverdracht - hoe minder energie er nodig is, hoe beter de geleidbaarheid.

Het onderzoeksteam analyseerde de structurele gegevens van 64, 000 organische verbindingen met behulp van de algoritmen en gegroepeerd in clusters. Het resultaat:zowel de op koolstof gebaseerde moleculaire raamwerken als de "functionele groepen", d.w.z. de verbindingen zijdelings bevestigd aan het centrale raamwerk, de geleidbaarheid beslissend beïnvloeden.

Moleculen identificeren met behulp van kunstmatige intelligentie

De clusters belichten structurele kaders en functionele groepen die gunstig ladingstransport mogelijk maken, waardoor ze bijzonder geschikt zijn voor de ontwikkeling van elektronische componenten.

"We kunnen dit nu gebruiken om niet alleen de eigenschappen van een molecuul te voorspellen, maar met behulp van kunstmatige intelligentie kunnen we ook nieuwe verbindingen ontwerpen waarin zowel het structurele raamwerk als de functionele groepen een zeer goede geleidbaarheid beloven, ", legt Reuter uit.