Kunstig intelligens (AI) forbedret ab-initio struktursøgning kombineres med atomic force microscopy simulations (SIM) og eksperimenter (EXP) for at detektere konfigurationer af omfangsrige 3D-adsorbater. Kredit:Aalto Universitet
Hybride funktionelle materialer kombinerer organiske og uorganiske komponenter og har mange fordelagtige egenskaber. De er almindeligt anvendt i nye teknologier, såsom nye elektroniske enheder og grønne energiløsninger. Styring af disse materialers egenskaber kræver detaljeret viden om deres atomare struktur, især konfigurationen af molekylære adsorbater i den hybride organisk-uorganiske grænseflade. Det er ofte uopnåeligt at identificere strukturen af voluminøse ikke-plane adsorbater, selv med de nyeste værktøjer. Det er udfordrende at tolke strukturen af voluminøse molekyler fra atomic force microscopy (AFM) billeder. og at finde de stabile strukturer ved hjælp af kvantemekaniske simuleringer er beregningsmæssigt vanskelig med konventionelle metoder. I et nyligt værk af Jari Järvi, Benjamin Alldritt, Ondřej Krejčí, Milica Todorović, Peter Liljeroth og Patrick Rinke, en ny tværfaglig metode blev udviklet til at identificere voluminøse adsorbater ved at kombinere kunstig intelligens-struktursøgning med AFM-simuleringer og eksperimenter.
I denne friske tilgang, de stabile modelstrukturer identificeres først ved hjælp af Bayesian Optimization Structure Search (BOSS) kunstig intelligensværktøj, som for nylig blev udviklet i CEST. De bedste kandidatstrukturer scannes ind i stakke af billeder ved hjælp af AFM-simuleringer med forskellige højder af mikroskopspidsen. Modelstrukturerne er korreleret til eksperimenter ved at sammenligne billedtræk i stakkene af simulerede og eksperimentelle AFM-billeder, som gør det muligt at identificere de eksperimentelle konfigurationer. I en nylig artikel, J. Järvi et al. har demonstreret denne metode ved at identificere strukturen af (1S)-kamfer (et typisk voluminøst molekyle) på Cu(111) overfladen. Dette materiale er tidligere undersøgt med AFM, men det har ikke været entydigt at udlede strukturen fra billederne. Ved at bruge denne nye tilgang, de identificerede med succes tre forskellige konfigurationer af (1S)-kamfer på Cu(111) i eksperimenterne.
Den præsenterede metode kan anvendes på andre adsorptionsstruktursøgningsproblemer og kombineres med andre eksperimentelle teknikker. Analyse af enkelte molekyler er kun det første skridt mod at studere mere komplekse molekylære samlinger og efterfølgende dannelsen af monolag. Den opnåede strukturelle indsigt kan være med til at optimere disse materialers funktionelle egenskaber.
Forskningsartiklen er publiceret i Avancerede funktionelle materialer .
Sidste artikelKarbonatstandarder sikrer bedre paleotermometre
Næste artikelEt klæbrigt emne:At studere skaldyr til avancerede klæbemidler