Met behulp van machine learning-methoden, onderzoekers van de TU Graz kunnen 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, bepaalde gewenste oppervlakte-eigenschappen werden vaak met vallen en opstaan ​​bereikt. Moleculen werden chemisch gemodificeerd totdat het beste resultaat voor de gewenste oppervlakte-eigenschap werd gevonden. Echter, de processen die de zelfassemblage van moleculen op grensvlakken regelen, zijn 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 .

Voor dit doeleinde, de onderzoekers bestudeerden chinoïdeverbindingen op een zilveren oppervlak. Eerste auteur Andreas Jeindl van het Institute of Solid State Physics legt uit:"Naïef, men zou kunnen verwachten dat moleculen met enigszins verschillende groottes maar dezelfde functionalisering vergelijkbare motieven vormen. In opvallend contrast, onze gezamenlijke theoretische en experimentele studie toont aan dat chinonen verschillende structuren kunnen vormen. Ondanks constante beginvoorwaarden, de vorming van deze structuren kan niet worden voorspeld en gepland zonder gedetailleerde kennis van de relevante interacties."

Drie tegengestelde drijvende krachten

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 afweging 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, het voorkomen of slechts gedeeltelijk toestaan ​​van bepaalde interacties.

Op basis hiervan, ze waren in staat om een ​​ontwerpprincipe vast te stellen waarmee de structuren die zich vormen op de raakvlakken, en vervolgens hun eigenschappen, kan worden voorspeld - althans voor een eerste klasse moleculen. Een essentiële rol wordt gespeeld door een zoekalgoritme (SAMPLE) gebaseerd op machine learning. Jeindl legt uit:"We konden in deze publicatie aantonen dat de structuren die door ons algoritme worden voorspeld, uitstekend overeenkomen met experimentele karakteriseringen van organisch-anorganische interfaces - zowel in hoe de moleculen zich op het oppervlak oriënteren als in hoe de motieven zich herhalen op de oppervlak. onze analyse, Voor de eerste keer, maakte een gedetailleerde en kwantitatieve uitsplitsing van de drijvende krachten mogelijk, niet alleen van de experimenteel gevormde structuren, maar de facto van alle denkbare structuren. Dit is een belangrijke blik achter de schermen van structuurvorming."

Grensvlakeigenschappen 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, echter, de fysici van de TU Graz zijn niettemin in staat om een ​​ontwerpprincipe te bedenken voor de zelfassemblage van gefunctionaliseerde moleculen voor een bepaalde klasse van moleculen. Als er eenmaal genoeg analyses zijn voor verschillende klassen moleculen, uit modulaire bouwstenen kunnen de juiste moleculen voor de gewenste grensvlakeigenschappen eenvoudig op de computer worden samengesteld.