Organiska halvledare är lätta, flexibel och lätt att tillverka. Men de klarar ofta inte av förväntningarna på effektivitet och stabilitet. Forskare vid Münchens tekniska universitet (TUM) använder nu datautvinningsmetoder för att identifiera lovande organiska föreningar för framtidens elektronik.

Att producera traditionella solceller gjorda av kisel är mycket energikrävande. Dessutom, de är stela och spröda. Organiska halvledarmaterial, å andra sidan, är flexibla och lätta. De skulle vara ett lovande alternativ, om bara deras effektivitet och stabilitet var i nivå med traditionella celler.

Tillsammans med sitt team, Karsten Reuter, Professor i teoretisk kemi vid Münchens tekniska universitet, letar efter nya ämnen för solcellsapplikationer, samt för displayer och lysdioder—OLED. Forskarna har siktet inställt på organiska föreningar som bygger på ramverk av kolatomer.

Utmanare för morgondagens elektronik

Beroende på deras struktur och sammansättning, dessa molekyler, och de material som bildas av dem, uppvisa en mängd olika fysiska egenskaper, tillhandahåller en mängd lovande kandidater för framtidens elektronik.

"Hittills, ett stort problem har varit att spåra dem:det tar veckor till månader att syntetisera, testa och optimera nya material i laboratoriet, " säger Reuter. "Med beräkningsscreening, vi kan påskynda den här processen oerhört."

Datorer istället för provrör

Forskaren behöver varken provrör eller bunsenbrännare för att söka efter lovande organiska halvledare. Med hjälp av en kraftfull dator, han och hans team analyserar befintliga databaser. Denna virtuella sökning efter relationer och mönster kallas datautvinning.

"Att veta vad du letar efter är avgörande vid datautvinning, " säger PD Dr Harald Oberhofer, vem som leder projektet. "I vårat fall, det är elektrisk ledningsförmåga. Hög ledningsförmåga säkerställer, till exempel, att mycket ström flyter i solceller när solljus exciterar molekylerna."

Algoritmer identifierar nyckelparametrar

Med hjälp av sina algoritmer, han kan söka efter mycket specifika fysiska parametrar:En viktig är, till exempel, "kopplingsparametern". Ju större den är, desto snabbare rör sig elektronerna från en molekyl till nästa.

En ytterligare parameter är "omorganiseringsenergin":Den definierar hur dyrt det är för en molekyl att anpassa sin struktur till den nya laddningen efter en laddningsöverföring - ju mindre energi krävs, desto bättre ledningsförmåga.

Forskargruppen analyserade strukturella data för 64, 000 organiska föreningar med hjälp av algoritmerna och grupperade dem i kluster. Resultatet:Både de kolbaserade molekylära ramverken och de "funktionella grupperna", dvs föreningarna fästa i sidled till det centrala ramverket, på ett avgörande sätt påverka konduktiviteten.

Identifiera molekyler med hjälp av artificiell intelligens

Klustren lyfter fram strukturella ramar och funktionella grupper som underlättar gynnsam avgiftstransport, vilket gör dem särskilt lämpade för utveckling av elektroniska komponenter.

"Vi kan nu använda detta för att inte bara förutsäga egenskaperna hos en molekyl, men med hjälp av artificiell intelligens kan vi också designa nya föreningar där både det strukturella ramverket och de funktionella grupperna lovar mycket god ledningsförmåga, " förklarar Reuter.