La fabrication de nanomatériaux comprend des processus d’auto-assemblage de molécules (organiques) fonctionnalisées sur des surfaces inorganiques. Cette combinaison de composants organiques et inorganiques est vitale pour les applications en électronique organique et dans d’autres domaines de la nanotechnologie.
Auparavant, les propriétés de surface spécifiques souhaitées étaient souvent obtenues par essais et erreurs. Les molécules ont été modifiées chimiquement jusqu’à ce que des résultats optimaux pour la propriété de surface souhaitée soient trouvés. Cependant, les processus contrôlant l’auto-assemblage des molécules aux interfaces sont si compliqués que de petits changements moléculaires peuvent conduire à des motifs entièrement différents.
Une analyse approfondie
Les chercheurs ont mis en lumière leurs découvertes sur cette formation de structure inattendue dans une étude. Le groupe a observé des composés quinoïdes sur une surface d’argent.
Voici ce qu’est l’apprentissage automatique :
Naïvement, on pourrait s’attendre à ce que des molécules avec des tailles légèrement différentes mais la même fonctionnalisation forme des motifs similaires. À l’opposé, notre étude théorique et expérimentale conjointe montre que les quinones peuvent former des structures diverses. Malgré des conditions initiales constantes, la formation de ces structures ne peut être prédite et planifiée sans une connaissance détaillée des interactions pertinentes.
Une avancée majeure
L’équipe de la TU Graz, ainsi qu’une équipe de l’Université Friedrich Schiller d’Iéna, ont pu commencer à briser cette imprévisibilité. Ils ont découvert que la formation de la structure est le produit d’un compromis entre trois forces motrices opposées : l’interaction entre les molécules et le métal essaie de pousser toutes les molécules dans la même orientation, tandis que l’interaction entre les molécules peut favoriser différentes orientations. Les formes géométriques des molécules agissent alors comme un troisième facteur, bloquant ou ne permettant que partiellement certaines interactions.
Sur la base de cette compréhension, l’équipe a pu développer un principe de conception avec lequel les structures qui se forment aux interfaces, et par la suite leurs propriétés, peuvent être prédites, au moins pour une première classe de molécules. Un algorithme de recherche basé sur l’apprentissage automatique joue un rôle important.