Oliver Hofmann y su grupo de investigación en el Instituto de Física del Estado Sólido de TU Graz están trabajando en la optimización de la electrónica moderna. Un papel clave en su investigación lo desempeñan las propiedades de interfaz de materiales híbridos que consisten en componentes orgánicos e inorgánicos, que se utilizan, por ejemplo, en pantallas OLED o células solares orgánicas. El equipo simula estas propiedades de la interfaz con métodos basados ​​en el aprendizaje automático. Los resultados se utilizan en el desarrollo de nuevos materiales para mejorar la eficiencia de los componentes electrónicos.

Transferencia de cargos de largo alcance como tema de investigación

Los investigadores ahora han abordado el fenómeno de la transferencia de carga de largo alcance. Una transferencia de electrones de un material a otro ya ocurre en el estado desconectado si existen estados energéticamente más favorables para los electrones en el material vecino. Esto plantea la cuestión fundamental de hasta dónde puede extenderse esta transferencia de electrones en material orgánico, es decir, cuántas capas abarca. Muchos estudios informan que para las interfaces orgánico-inorgánico este efecto se limita a la primera capa, es decir, la capa donde las moléculas (orgánicas) están en contacto directo con la superficie del metal (inorgánico).

Por otra parte, algunos informes asumen que el efecto también se extiende a distancias más largas, a la segunda capa o más allá. "Si este es el caso, el efecto podría usarse para reducir la resistencia eléctrica del material híbrido, haciéndolo más eficiente energéticamente, "dice Hofmann, explicando por qué es tan interesante.

El nuevo método de examen combina dos métodos de aprendizaje automático

Para demostrar el transporte de carga de largo alcance en interfaces orgánico-inorgánico, los investigadores utilizaron los nuevos métodos de aprendizaje automático SAMPLE y BOSS para investigar una interfaz cobre-tetracianoetileno (TCNE / Cu (111)), "dado que aquí hay datos experimentales particularmente sólidos que indican transporte de carga de largo alcance, ", dijo Hofmann. No hay una teoría clara de por qué algunos sistemas muestran este efecto. Hofmann y su equipo querían" resolver este misterio para crear una base sobre cómo producir materiales con la misma propiedad ".

Combinando ambos métodos, los investigadores pudieron identificar más de dos millones de estructuras de interfaz potenciales para las interfaces TCNE-Cu y predecir el comportamiento de las moléculas en diversas condiciones experimentales. Asombrosamente, los resultados mostraron que no hay transferencia de carga de largo alcance, pero, en cambio, las moléculas del sistema cambian su estructura.

Las moléculas cambian su disposición atómica

Cuando se aplican moléculas, Por lo general, conservan su disposición general y empacan más de cerca hasta que, a una cierta densidad, finalmente comienzan a crecer la segunda capa. En el sistema TCNE / Cu (111), sin embargo, las moléculas adsorbidas cambian de la posición original de reposo a una de pie después de que se ha depositado una cierta cantidad. Por lo tanto, se enderezan para poder aglomerarse aún más. "Sin embargo, Las moléculas en reposo tienen una transferencia de carga completamente diferente a la de las moléculas en reposo. La transformación estructural es difícil de detectar experimentalmente, pero los resultados de la medición son similares a los del transporte de carga de largo alcance, "explica Hofmann.

Las investigaciones refutan la hipótesis de la transferencia de carga de largo alcance. El uso de los métodos combinados de aprendizaje automático SAMPLE y BOSS está destinado a respaldar futuros experimentos en el desarrollo de materiales de tal manera que tales malas interpretaciones ya no ocurran. Al profundizar en los procesos físicos, Los nuevos procesos ayudan a garantizar que los materiales ya no estén diseñados para perseguir un efecto que no existe en esta forma. Hofmann subraya la ventaja del nuevo método:"Gracias a los dos métodos, se pueden simular millones de estructuras diferentes en el futuro ".

Los investigadores de TU Graz publicaron recientemente detalles del estudio en Ciencia avanzada .