Une nouvelle approche pourrait aider les scientifiques des matériaux à identifier les molécules appropriées à utiliser pour synthétiser des nanomatériaux cibles. La méthode a été développée par Daniel Packwood de l'Institute for Integrated Cell-Material Sciences (iCeMS) de l'Université de Kyoto et Taro Hitosugi de l'Institut de technologie de Tokyo. Il s'agit de relier les propriétés chimiques des molécules aux nanostructures qui se forment à la suite de leur interaction. Une technique d'apprentissage automatique génère des données qui sont ensuite utilisées pour développer un diagramme qui catégorise différentes molécules en fonction des formes nanométriques qu'elles forment.

La fabrication de nanomatériaux à l'aide d'une approche ascendante nécessite de trouver des molécules précurseurs qui interagissent et s'alignent correctement les unes avec les autres lorsqu'elles s'auto-assemblent. Mais cela a été un défi majeur de savoir comment les molécules précurseurs interagiront et quelles formes elles prendront.

La fabrication ascendante de nanorubans de graphène reçoit beaucoup d'attention en raison de leur utilisation potentielle en électronique, Création de tissus, construction, et bio-imagerie. Une façon de les synthétiser consiste à utiliser des molécules précurseurs de bianthracène auxquelles sont attachés des groupes fonctionnels brome. Les groupes brome interagissent avec un substrat de cuivre pour former des chaînes de taille nanométrique. Lorsque ces chaînes sont chauffées, ils se transforment en nanorubans de graphène.

Packwood et Hitosugi ont testé leur simulateur en utilisant cette méthode pour construire des nanorubans de graphène.

Le modèle utilise des données sur les propriétés chimiques d'une variété de molécules qui peuvent être attachées au bianthracène pour le fonctionnaliser et faciliter son interaction avec le cuivre. Les données sont passées par une série de processus qui ont finalement conduit à la formation d'un dendrogramme.

Cela a montré que la fixation de molécules d'hydrogène au bianthracène a conduit au développement de solides nano-chaînes unidimensionnelles. Fluor, brome, chlore, les groupes fonctionnels amidogène et vinylique ont conduit à la formation de nano-chaînes modérément fortes. Les groupes fonctionnels trifluorométhyle et méthyle ont conduit à la formation d'îlots de molécules unidimensionnels faibles, et les groupes hydroxyde et aldéhyde ont conduit à la formation de solides îlots en forme de tuile bidimensionnelle.

Les informations produites dans le dendogramme ont changé en fonction des données de température fournies. Les catégories ci-dessus s'appliquent lorsque les interactions sont conduites à -73°C. Les résultats ont changé avec des températures plus chaudes. Les chercheurs recommandent d'appliquer les données à basse température, là où l'effet des propriétés chimiques des groupes fonctionnels sur les nano-formes est le plus clair.

La technique peut être appliquée à d'autres substrats et molécules précurseurs. Les chercheurs décrivent leur méthode comme analogue au tableau périodique des éléments chimiques, qui regroupe les atomes en fonction de la façon dont ils se lient les uns aux autres. "Toutefois, afin de vraiment prouver que les dendrogrammes ou d'autres approches basées sur l'informatique peuvent être aussi précieux pour la science des matériaux que le tableau périodique, nous devons les intégrer dans une véritable expérience de fabrication de nanomatériaux bottom-up, " concluent les chercheurs dans leur étude publiée dans la revue Communication Nature . « Nous poursuivons actuellement cette direction dans nos laboratoires.