Kunstig intelligens hjælper med at identificere korrekte atomare strukturer

Funktionelle materialer er almindeligt anvendt i nye teknologier, såsom grønne energiløsninger og nye elektroniske enheder. Disse materialer er typisk blandinger af forskellige organiske og uorganiske komponenter og har mange fordelagtige egenskaber til nye anvendelser. For at opnå deres fulde potentiale, vi har brug for præcis viden om deres atomare struktur. State-of-the-art eksperimentelle værktøjer, såsom atomkraftmikroskopi (AFM), kan bruges til at undersøge organiske molekylære adsorbater på metaloverflader.

Imidlertid, at fortolke den faktiske struktur fra mikroskopibilleder er ofte vanskeligt. Beregningssimuleringer kan hjælpe med at estimere de mest sandsynlige strukturer, men med komplekse materialer, nøjagtig struktursøgning er beregningsmæssigt vanskelig med konventionelle metoder. For nylig, CEST-gruppen har udviklet nye værktøjer til automatiseret strukturforudsigelse ved hjælp af maskinlæringsalgoritmer fra datalogi.

I dette seneste værk, forskere har demonstreret nøjagtigheden og effektiviteten af ​​Bayesian Optimization Structure Search (BOSS) kunstig intelligensmetode. BOSS identificerede adsorbatkonfigurationerne af et kamfermolekyle på en Cu(111) overflade. Dette materiale er tidligere undersøgt med AFM, men at udlede strukturerne fra disse billeder var inkonklusivt. Her, forskerne har vist, at BOSS med succes kan identificere ikke kun den mest sandsynlige struktur, men også otte stabile adsorbatkonfigurationer, som kamfer kan have på Cu(111).

De brugte disse modelstrukturer til bedre at fortolke AFM-eksperimenterne og konkluderede, at billederne sandsynligvis har kamfer kemisk bundet til Cu-overfladen via et oxygenatom. At analysere enkeltmolekylære adsorbater på denne måde er kun det første skridt mod at studere mere komplekse samlinger af flere molekyler på overflader og efterfølgende dannelsen af ​​monolag. Den opnåede indsigt i grænsefladestrukturer kan være med til at optimere disse materialers funktionelle egenskaber.