Oliver Hofmann och hans forskargrupp vid Institute of Solid State Physics vid TU Graz arbetar med optimering av modern elektronik. En nyckelroll i deras forskning spelas av gränssnittsegenskaper hos hybridmaterial bestående av organiska och oorganiska komponenter, som används, till exempel, i OLED-skärmar eller organiska solceller. Teamet simulerar dessa gränssnittsegenskaper med maskininlärningsbaserade metoder. Resultaten används i utvecklingen av nya material för att förbättra effektiviteten hos elektroniska komponenter.

Långväga avgiftsöverföring som föremål för utredning

Forskarna har nu tagit upp fenomenet långväga laddningsöverföring. En överföring av elektroner från ett material till ett annat sker redan i avstängt tillstånd om det finns energetiskt gynnsammare tillstånd för elektronerna i grannmaterialet. Detta väcker den grundläggande frågan om hur långt denna överföring av elektroner kan sträcka sig i organiskt material, dvs hur många lager den omfattar. Många studier rapporterar att för organisk-oorganiska gränssnitt är denna effekt begränsad till det första lagret, dvs det skikt där de (organiska) molekylerna är i direkt kontakt med den (oorganiska) metallytan.

Å andra sidan, vissa rapporter antar att effekten även sträcker sig över längre avstånd, till det andra lagret eller däröver. "Om detta är fallet, effekten kan användas för att minska det elektriska motståndet hos hybridmaterialet, göra det mer energieffektivt, säger Hofmann, förklara varför det är så intressant.

Ny undersökningsmetod kombinerar två maskininlärningsmetoder

För att demonstrera långväga laddningstransport i organisk-oorganiska gränssnitt, forskarna använde de nya maskininlärningsmetoderna SAMPLE och BOSS för att undersöka ett koppar-tetracyanoetylen-gränssnitt (TCNE/Cu(111)), "eftersom det finns särskilt starka experimentella data tillgängliga här som indikerar laddningstransport över långa avstånd, " sa Hofmann. Det finns ingen tydlig teori varför vissa system visar denna effekt. Hofmann och hans team ville "lösa detta mysterium för att skapa en grund för hur man producerar material med samma egenskap."

Genom att kombinera båda metoderna, forskarna kunde identifiera över två miljoner potentiella gränssnittsstrukturer för TCNE-Cu-gränssnitten och förutsäga molekylernas beteende under olika experimentella förhållanden. Förvånande, resultaten visade att det inte finns någon avgiftsöverföring på lång räckvidd, men istället ändrar molekylerna i systemet sin struktur.

Molekyler ändrar sitt atomarrangemang

När molekyler appliceras, vanligtvis behåller de sitt allmänna arrangemang och packar tätare tills, vid en viss täthet, de börjar äntligen växa det andra lagret. I TCNE/Cu(111)-systemet, dock, de adsorberade molekylerna ändras från den ursprungliga liggande positionen till en stående efter att en viss mängd har avsatts. De rätar alltså upp sig för att kunna trängas ännu närmare varandra. "Dock, stående molekyler har en helt annan laddningsöverföring än liggande molekyler. Den strukturella transformationen är svår att upptäcka experimentellt, men mätresultaten liknar de för långdistansladdningstransporter, " förklarar Hofmann.

Utredningarna tillbakavisar hypotesen om långväga avgiftsöverföring. Användningen av de kombinerade maskininlärningsmetoderna SAMPLE och BOSS är avsedd att stödja framtida experiment inom materialutveckling på ett sådant sätt att sådana feltolkningar inte längre förekommer. Genom att ta en djupare titt på de fysiska processerna, de nya processerna hjälper till att säkerställa att material inte längre är designade för att jaga en effekt som inte finns i denna form. Hofmann understryker fördelen med den nya metoden:"Tack vare de två metoderna, miljontals olika strukturer kan simuleras i framtiden."

TU Graz-forskarna publicerade nyligen detaljer om studien i Avancerad vetenskap .