京都大学讲师 Daniel Puckwood 和东京工业大学 Taro Ichisugi 教授成功地制定了使用机器学习预测金属基板上分子排列的指南。
随着电子设备进一步小型化和更高集成度的需求,分子的“自组织”正在引起人们的关注。分子自组织是附着在基质上的分子通过分子间吸引力相互吸引并聚集以自发形成微小结构(超分子结构)的现象。随着纳米电子学的发展,它有可能用于制作可用作电子设备的微细电线(纳米线)和超分子结构,研究活动正变得活跃。然而,没有关于自发将分子组装成所需结构的指导方针,并且很难将它们开发应用。
在这项研究中,专门研究数学科学和理论化学的讲师 Puckwood 与专门研究材料科学的 Ichisugi 教授进行了联合研究。 利用“无监督机器学习”,我们创建了根据需要在基板上组装分子的指南。无监督机器学习是将各种对象与计算机进行比较并将它们分类为共同特征的过程。这一次,我们了解了分子的化学特性和分子的组装过程是如何相关的,并以图形方式总结了结果。然后,通过分析这个数字,得出了指导方针。
例如,根据该指南,可以预测在形成可用作电线的线性超分子结构时应该使用哪种分子。预计这一结果将导致形成微器件所需的部件并加速纳米电子学的发展。