Les matériaux fonctionnels sont couramment employés dans les technologies émergentes, comme les solutions d'énergie verte et les nouveaux appareils électroniques. Ces matériaux sont typiquement des mélanges de différents composants organiques et inorganiques et ont de nombreuses propriétés avantageuses pour de nouvelles applications. Pour atteindre leur plein potentiel, nous avons besoin de connaissances précises sur leur structure atomique. Des outils expérimentaux de pointe, comme la microscopie à force atomique (AFM), peut être utilisé pour étudier les adsorbats moléculaires organiques sur des surfaces métalliques.

Cependant, l'interprétation de la structure réelle à partir d'images de microscopie est souvent difficile. Les simulations informatiques peuvent aider à estimer les structures les plus probables, mais avec des matériaux complexes, la recherche précise de la structure est difficilement calculable avec les méthodes conventionnelles. Récemment, le groupe CEST a développé de nouveaux outils de prédiction de structure automatisée à l'aide d'algorithmes d'apprentissage automatique issus de l'informatique.

Dans ce dernier ouvrage, les chercheurs ont démontré la précision et l'efficacité de la méthode d'intelligence artificielle Bayesian Optimization Structure Search (BOSS). BOSS a identifié les configurations d'adsorbat d'une molécule de camphre sur une surface de Cu (111). Ce matériau a été préalablement étudié avec l'AFM, mais déduire les structures de ces images n'était pas concluant. Ici, les chercheurs ont montré que BOSS peut identifier avec succès non seulement la structure la plus probable, mais aussi huit configurations d'adsorbat stables que le camphre peut avoir sur Cu(111).

Ils ont utilisé ces structures modèles pour mieux interpréter les expériences AFM et ont conclu que les images présentent probablement du camphre chimiquement lié à la surface de Cu via un atome d'oxygène. L'analyse d'adsorbats monomoléculaires de cette manière n'est que la première étape vers l'étude d'assemblages plus complexes de plusieurs molécules sur des surfaces et par la suite la formation de monocouches. Les connaissances acquises sur les structures d'interface pourraient aider à optimiser les propriétés fonctionnelles de ces matériaux.