Hybride functionele materialen combineren organische en anorganische componenten en hebben veel voordelige eigenschappen. Ze worden vaak gebruikt in opkomende technologieën, zoals nieuwe elektronische apparaten en groene energieoplossingen. Het beheersen van de eigenschappen van deze materialen vereist gedetailleerde kennis van hun atomaire structuur, in het bijzonder de configuratie van moleculaire adsorbaten in het hybride organisch-anorganische grensvlak. Het identificeren van de structuur van omvangrijke niet-vlakke adsorbaten is vaak onbereikbaar, zelfs met de huidige state-of-the-art tools. Het interpreteren van de structuur van omvangrijke moleculen uit atomic force microscopie (AFM) -beelden is een uitdaging, en het vinden van stabiele structuren met behulp van kwantummechanische simulaties is rekenkundig onhandelbaar met conventionele methoden. In een recent werk van Jari Järvi, Benjamin Alldritt, Ondřej Krejčí, Milica Todorović, Peter Liljeroth en Patrick Rinke, er is een nieuwe interdisciplinaire methode ontwikkeld om omvangrijke adsorbaten te identificeren door het zoeken naar kunstmatige intelligentiestructuren te combineren met AFM-simulaties en experimenten.

In deze frisse benadering de stabiele modelstructuren worden eerst geïdentificeerd met behulp van de Bayesian Optimization Structure Search (BOSS) kunstmatige intelligentietool, die onlangs in CEST is ontwikkeld. De beste kandidaatstructuren worden gescand in stapels afbeeldingen met behulp van AFM-simulaties met verschillende hoogtes van de microscooppunt. De modelstructuren worden gecorreleerd aan experimenten door beeldkenmerken te vergelijken in de stapels gesimuleerde en experimentele AFM-beelden, waarmee de experimentele configuraties kunnen worden geïdentificeerd. In een recent artikel, J. Järvi et al. hebben deze methode aangetoond door de structuur van (1S)-kamfer (een typisch omvangrijk molecuul) op het Cu(111)-oppervlak te identificeren. Dit materiaal is eerder onderzocht met de AFM, maar het afleiden van de structuur uit de afbeeldingen was niet overtuigend. Met behulp van deze nieuwe benadering, ze identificeerden met succes drie verschillende configuraties van (1S)-kamfer op Cu (111) in de experimenten.

De gepresenteerde methode kan worden toegepast op andere zoekproblemen met adsorptiestructuren en gecombineerd met andere experimentele technieken. Het analyseren van afzonderlijke moleculen is slechts de eerste stap naar het bestuderen van complexere moleculaire samenstellingen en vervolgens de vorming van monolagen. Het verworven structurele inzicht kan helpen om de functionele eigenschappen van deze materialen te optimaliseren.

Het onderzoeksartikel is gepubliceerd in Geavanceerde functionele materialen .