Los materiales funcionales se emplean comúnmente en tecnologías emergentes, como soluciones de energía verde y nuevos dispositivos electrónicos. Estos materiales son típicamente mezclas de diferentes componentes orgánicos e inorgánicos y tienen muchas propiedades ventajosas para aplicaciones novedosas. Para alcanzar su máximo potencial, necesitamos conocimientos precisos sobre su estructura atómica. Herramientas experimentales de última generación, como microscopía de fuerza atómica (AFM), se puede utilizar para investigar adsorbatos moleculares orgánicos en superficies metálicas.

Sin embargo, interpretar la estructura real a partir de imágenes microscópicas suele ser difícil. Las simulaciones computacionales pueden ayudar a estimar las estructuras más probables, pero con materiales complejos, La búsqueda precisa de estructuras es intratable computacionalmente con los métodos convencionales. Recientemente, el grupo CEST ha desarrollado nuevas herramientas para la predicción automatizada de estructuras utilizando algoritmos de aprendizaje automático de la informática.

En este trabajo más reciente, Los investigadores han demostrado la precisión y eficiencia del método de inteligencia artificial de búsqueda de estructuras de optimización bayesiana (BOSS). BOSS identificó las configuraciones de adsorbato de una molécula de alcanfor en una superficie de Cu (111). Este material ha sido estudiado previamente con AFM, pero inferir las estructuras de esas imágenes no fue concluyente. Aquí, los investigadores han demostrado que BOSS puede identificar con éxito no solo la estructura más probable, pero también ocho configuraciones de adsorbato estables que el alcanfor puede tener en Cu (111).

Utilizaron estas estructuras modelo para interpretar mejor los experimentos de AFM y concluyeron que las imágenes probablemente presentan alcanfor químicamente unido a la superficie de Cu a través de un átomo de oxígeno. El análisis de adsorbatos moleculares individuales de esta manera es solo el primer paso hacia el estudio de conjuntos más complejos de varias moléculas en superficies y, posteriormente, la formación de monocapas. El conocimiento adquirido sobre las estructuras de interfaz podría ayudar a optimizar las propiedades funcionales de estos materiales.