功能材料通常用于新興技術(shù)中，例如綠色能源解決方案和新型電子設(shè)備。這些材料通常是不同有機(jī)和無機(jī)成分的混合物，并具有許多有利于新型應(yīng)用的特性。為了充分發(fā)揮它們的潛力，我們需要對(duì)其原子結(jié)構(gòu)有確切的了解。最先進(jìn)的實(shí)驗(yàn)工具，例如原子力顯微鏡(AFM)，可用于研究金屬表面上的有機(jī)分子吸附物。

但是，從顯微鏡圖像解釋實(shí)際結(jié)構(gòu)通常很困難。計(jì)算仿真可以幫助估計(jì)最可能的結(jié)構(gòu)，但是對(duì)于復(fù)雜的材料，使用常規(guī)方法在計(jì)算上很難進(jìn)行精確的結(jié)構(gòu)搜索。最近，CEST小組使用計(jì)算機(jī)科學(xué)的機(jī)器學(xué)習(xí)算法開發(fā)了用于自動(dòng)結(jié)構(gòu)預(yù)測(cè)的新工具。

在這項(xiàng)最新工作中，研究人員證明了貝葉斯優(yōu)化結(jié)構(gòu)搜索(BOSS)人工智能方法的準(zhǔn)確性和效率。BOSS確定了Cu(111)表面上的樟腦分子的吸附物構(gòu)型。先前已經(jīng)通過AFM研究了這種材料，但是從這些圖像推斷結(jié)構(gòu)尚無定論。在這里，研究人員表明，BOSS不僅可以成功識(shí)別出最可能的結(jié)構(gòu)，而且還可以識(shí)別出樟腦在Cu(111)上可以具有的八個(gè)穩(wěn)定的吸附物構(gòu)型。

他們使用這些模型結(jié)構(gòu)更好地解釋了AFM實(shí)驗(yàn)，并得出結(jié)論，這些圖像可能具有樟腦通過氧原子化學(xué)鍵合到Cu表面的特征。以這種方式分析單分子吸附物只是研究表面上幾個(gè)分子的更復(fù)雜組裝以及隨后形成單分子層的第一步。獲得的關(guān)于界面結(jié)構(gòu)的見解可以幫助優(yōu)化這些材料的功能特性。