Semicondutores orgânicos são leves, flexível e fácil de fabricar. Mas muitas vezes não atendem às expectativas em relação à eficiência e estabilidade. Pesquisadores da Universidade Técnica de Munique (TUM) agora estão implantando abordagens de mineração de dados para identificar compostos orgânicos promissores para a eletrônica do futuro.

A produção de células solares tradicionais feitas de silício consome muita energia. Além disso, eles são rígidos e quebradiços. Materiais semicondutores orgânicos, por outro lado, são flexíveis e leves. Eles seriam uma alternativa promissora, se ao menos sua eficiência e estabilidade estivessem no mesmo nível das células tradicionais.

Junto com sua equipe, Karsten Reuter, Professor de Química Teórica da Universidade Técnica de Munique, está procurando novas substâncias para aplicações fotovoltaicas, bem como para monitores e diodos emissores de luz - OLEDs. Os pesquisadores estão focados em compostos orgânicos que se constroem em estruturas de átomos de carbono.

Concorrentes para a eletrônica de amanhã

Dependendo de sua estrutura e composição, essas moléculas, e os materiais formados a partir deles, exibem uma grande variedade de propriedades físicas, fornecendo uma série de candidatos promissores para a eletrônica do futuro.

"A data, um grande problema tem sido rastreá-los:leva semanas a meses para sintetizar, testar e otimizar novos materiais em laboratório, "diz Reuter." Usando triagem computacional, podemos acelerar esse processo imensamente. "

Computadores em vez de tubos de ensaio

O pesquisador não precisa de tubos de ensaio nem de queimadores de Bunsen para procurar semicondutores orgânicos promissores. Usando um computador poderoso, ele e sua equipe analisam os bancos de dados existentes. Essa busca virtual por relacionamentos e padrões é conhecida como mineração de dados.

"Saber o que você está procurando é crucial na mineração de dados, "diz o PD Dr. Harald Oberhofer, quem dirige o projeto. "No nosso caso, é condutividade elétrica. A alta condutividade garante, por exemplo, que uma grande quantidade de corrente flui nas células fotovoltaicas quando a luz solar excita as moléculas. "

Algoritmos identificam parâmetros-chave

Usando seus algoritmos, ele pode pesquisar parâmetros físicos muito específicos:Um importante é, por exemplo, o "parâmetro de acoplamento". Quanto maior for, os elétrons mais rápidos se movem de uma molécula para a próxima.

Um outro parâmetro é a "energia de reorganização":define o quão caro é para uma molécula adaptar sua estrutura à nova carga após uma transferência de carga - quanto menos energia necessária, melhor é a condutividade.

A equipe de pesquisa analisou os dados estruturais de 64, 000 compostos orgânicos usando os algoritmos e agrupados em grupos. O resultado:tanto as estruturas moleculares à base de carbono quanto os "grupos funcionais", isto é, os compostos ligados lateralmente à estrutura central, influenciar decisivamente a condutividade.

Identificação de moléculas usando inteligência artificial

Os clusters destacam estruturas estruturais e grupos funcionais que facilitam o transporte de carga favorável, tornando-os particularmente adequados para o desenvolvimento de componentes eletrônicos.

"Agora podemos usar isso não apenas para prever as propriedades de uma molécula, mas, usando a inteligência artificial, também podemos projetar novos compostos nos quais tanto a estrutura estrutural quanto os grupos funcionais prometem condutividade muito boa, "explica Reuter.