阿尔托大学贾里·耶尔维著 信用:CC0公共领域 功能材料通常用于新兴技术，如绿色能源解决方案和新型电子设备
这些材料通常是不同有机和无机成分的混合物，并且对于新的应用具有许多有利的性质
为了充分发挥它们的潜力，我们需要关于它们原子结构的精确知识
最先进的实验工具，如原子力显微镜，可以用来研究金属表面的有机分子吸附物
然而，从显微图像中解释实际结构通常是困难的
计算模拟可以帮助估计最可能的结构，但是对于复杂的材料，精确的结构搜索在传统方法中是难以计算的
最近，CEST小组开发了新的工具，利用计算机科学中的机器学习算法进行自动结构预测
在最近的这项工作中，研究人员已经证明了贝叶斯优化结构搜索(BOSS)人工智能方法的准确性和效率
BOSS识别了樟脑分子在铜(111)表面的吸附构型
这种材料以前已经用原子力显微镜研究过了，但是从这些图像推断结构是不确定的
在这里，研究人员已经表明，BOSS不仅可以成功地识别最可能的结构，而且可以识别樟脑在铜(111)上可以具有的八种稳定的吸附质构型
他们使用这些模型结构来更好地解释原子力显微镜实验，并得出结论，这些图像可能以樟脑通过氧原子化学结合到铜表面为特征
以这种方式分析单分子吸附质只是研究表面上几个分子的更复杂的组合以及随后单层的形成的第一步
对界面结构的深入了解有助于优化这些材料的功能特性
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
