W opublikowanym niedawno artykule pt. „Combining Multiscale MD Simulations and Machine Learning Methods to Study Electronic Transport in Molecular Junctions at Finite Temperatures” (J. Phys. Chem. C 2021, 125, 36) Rafał Topolnicki, Robert Kucharczyk i Wojciech Kamiński prezentują wyniki swoich badań nad zastosowaniem sieci neuronowych do modelowania wpływu temperatury na własności transportowe organicznych złączy molekularnych.
Elektronika molekularna stanowi atrakcyjną alternatywę wobec obecnie stosowanych urządzeń tradycyjnej elektroniki półprzewodnikowej, umożliwiając w szczególności kolejny postęp w ich miniaturyzacji. Wciąż jednak szereg zjawisk związanych z transportem elektronowym przez organiczne elementy półprzewodnikowe wymaga lepszego ich poznania od strony teoretycznej.
Doświadczalne badania właściwości transportowych układów molekularnych są najczęściej prowadzone w temperaturze pokojowej, a w trakcie pojedynczego pomiaru geometria złącza ewoluuje wskutek drgań termicznych molekuły, podczas których w niekontrolowany sposób zmieniają się parametry strukturalne i elektronowe złącza. Zmiana każdego z tych parametrów wpływa na przewodność. Wynik pojedynczego pomiaru eksperymentalnego jest zatem uśredniony po wielu różnych konformacjach aktywnego elementu molekularnego. Badania teoretyczne bazują zwykle na obliczeniach widm transmisyjnych dla ustalonej geometrii złącza odpowiadającej stanowi podstawowemu układu w temperaturze zera bezwzględnego. Taka metodologia nie pozwala zatem uwzględnić zmian właściwości transportowych złącza wywołanych temperaturą. Wspomniane rozbieżności między warunkami eksperymentalnymi i modelowymi przyczyniają się do znaczących różnic pomiędzy wynikami obliczeń i eksperymentu.
Na ilustracji: Konfiguracja stanu podstawowego rozważanego złącza Au-N-BP-N-Au. Pokazana jest powiększona część środkowa złącza, zawierająca cząsteczkę organiczną oraz końcówki elektrod, wskazujące obszar QM opisany w ramach DFT i obszar MM opisany przez empiryczne pole siłowe. Podobną konfigurację zastosowano dla złącza Au-S-BP-S-Au.
W pracy zaproponowano metodę urealnienia opisu teoretycznego poprzez opracowanie i wdrożenie nowych rozwiązań rachunkowych spinających trzy komplementarne techniki obliczeniowe. Metodą dynamiki molekularnej QM/MM przeprowadzono długoczasowe symulacje ewolucji strukturalnej złączy Au(111)-S-C6H4-C6H4-S-Au(111) i Au(111)-N-C6H4-C6H4-N-Au(111) w temperaturach od 25 K do 400 K, następnie stosując metody aktywnego uczenia maszynowego zaproponowano sposób wyboru reprezentatywnych konfiguracji atomowych, dla których wykonywane są czasochłonne obliczenia transportu elektronowego (metodą nierównowagowych funkcji Greena, NEGF). Otrzymane w ten sposób dane posłużyły do uczenia sieci neuronowej, której zadaniem jest jak najlepsza predykcja prądu tunelowego na podstawie charakterystyk strukturalnych i elektronowych złącza. Następnie wykonano predykcje prądu tunelowego dla trajektorii dynamiki molekularnej w różnych temperaturach. W ten sposób określono zależność prądu tunelowego od temperatury oraz przyczynek do tej zależności na skutek termicznych zmian konformacji molekuły organicznej.
Na ilustracji: Zależność temperaturowa średniej przewodności ⟨G(T)⟩ otrzymanej metodą NN dla złącza Au-S-BP-S-Au (linia ciągła). Linia przerywana pokazuje odpowiedni wynik, gdy rozmycie poziomu Fermiego wywołane temperaturą jest pomijane w obliczeniach G. Czerwona gwiazdka oznacza przewodność dla konfiguracji złącza stanu podstawowego w 0 K, równą G(T = 0) = 0,030 G0, podczas gdy linia przerywana jest jej odpowiednikiem obliczonym z uwzględnieniem rozmycia termicznego rozkładu Fermiego-Diraca elektronów w skończonych temperaturach. Wstawka po lewej: Rozkład przewidywanych wartości G wzdłuż trajektorii MD symulowanych w różnych temperaturach. Wstawka po prawej: widok z boku całej konstrukcji modelowanej przy użyciu hybrydowego podejścia QM/MM.
Dodała: Joanna Molenda-Żakowicz
Pełnomocnik Dziekana ds promocji wydziału i kontaktów z mediami
