MAP-DESIGN

Viele Materialeigenschaften, beginnend mit Geschmack und Aussehen von Schokolade, über die Löslichkeit von Süßstoff, bis hin zur Wirksamkeit von Medikamenten, hängen empfindlich von der Art und Weise ab, wie sich die Bestandteile des Materials relativ zueinander anordnen. Eine der fundamentalen Herausforderungen bei der Entwicklung neuer Materialien ist es daher, diese Struktur, die in der Fachsprache als Polymorph bezeichnet wird, zu kontrollieren und zu optimieren. Dabei besteht die Schwierigkeit, dass die Bildung der verschiedenen Polymorphe stark von den Bedingungen abhängt, unter denen das Material verarbeitet wird. Eine rein experimentelle Optimierung dieser Bedingungen basiert meistens auf Versuch und Irrtum und ist überaus zeit- und kostenintensiv. Das Ziel dieses Projekts ist es daher zunächst, auf Basis von quantenmechanischen Computersimulationen optimale Prozessbedingungen für die Herstellung bestimmter Polymorphe vorherzusagen. Dabei konzentrieren wir uns zunächst insbesondere auf dünne Filme aus organischen Molekülen, die auf anorganische Substrate aufgebracht werden. Solche Systeme sind beispielsweise für die organische Elektronik (die z.B. in OLED-TVs zur Anwendung kommt) relevant, und weisen eine besonders ausgeprägte Vielfalt an möglichen Polymorphen auf. Die Bestimmung aller möglichen Polymorphe ist zwar ein im Prinzip unlösbares Problem, aber die Einschränkung auf bestimmte Materialklassen erlaubt es uns, Annahmen zu treffen, die das Problem soweit vereinfachen, dass wir die wichtigsten Strukturen mittels eines innovativen Struktursuchalgorithmus schnell und effizient erfassen können. Die aus der Struktursuche gewonnen Daten werden dann mittels Machine- Learning Methoden kartographiert, um effiziente Rezepte, die zuverlässig zu den gewünschten Polymorphen führen, identifizieren zu können.

Öffentliche Projektzusammenfassung - FWF-Projekt MAP-DESIGN (Y1157) Entwurf metastabiler Polymorphe für organische Elektronik Das vom FWF geförderte Projekt MAP-DESIGN, geleitet von Prof. Oliver T. Hofmann an der Technischen Universität Graz, leistete wegweisende Beiträge zur Entwicklung und Steuerung organischer Materialien für die flexible Elektronik. Ziel des Projekts war es, das Verhalten sogenannter metastabiler Polymorphe - also verschiedener struktureller Anordnungen ein- und desselben Moleküls - zu verstehen und gezielt zu beeinflussen. Diese polymorphen Formen sind entscheidend für die Leistungsfähigkeit von Bauteilen wie organischen Solarzellen, Transistoren oder Sensoren. In der organischen Elektronik beeinflusst die exakte Anordnung der Moleküle in dünnen Schichten maßgeblich deren elektronische Eigenschaften. Allerdings kristallisieren viele dieser Moleküle in mehreren strukturellen Varianten - nicht alle davon sind für elektronische Anwendungen optimal geeignet. Klassische experimentelle Methoden zur Kontrolle dieser Strukturen sind oft zeitintensiv und basieren auf Versuch und Irrtum. MAP-DESIGN setzte daher auf rechnergestützte Strategien, um die gezielte Bildung gewünschter Polymorphe vorhersagen und steuern zu können. Das Projekt entwickelte innovative Machine Learning Algorithmen, um die komplexen Energie-Landschaften solcher Materialien zu erfassen. Diese Werkzeuge simulieren, wie äußere Bedingungen - etwa Temperatur, elektrische Felder oder Druck - die molekulare Anordnung beeinflussen. Dadurch konnten gezielt Kristallisationsbedingungen identifiziert werden, die zur gewünschten Struktur führen. Eine besonders kreative Leistung war der Einsatz von Routenfindungsalgorithmen - auf molekulare Prozesse. Diese ermöglichen es, Materialien durch gezielte Prozessschritte zu "lenken", um unerwünschte Polymorphe zu vermeiden und gezielt die gewünschten Strukturen zu erzeugen. Zu den zentralen Ergebnissen und Publikationen von MAP-DESIGN zählen: Der Nachweis, dass elektrische Felder gezielt bestimmte Polymorphe an Grenzflächen stabilisieren können - ein wichtiger Schritt zur aktiven Materialsteuerung. Der Einsatz von Reinforcement Learning zur autonomen Einzelmolekül-Manipulation - mit Potenzial für KI-gestütztes Materialdesign. Neue Erkenntnisse zur Rolle von Adatomen (einzelnen Atomen auf Oberflächen) bei der Adsorption organischer Moleküle - entscheidend für das Verständnis von Schnittstellen in elektronischen Bauelementen. Mit der Kombination aus Maschinellem Lernen, quantenmechanischer Simulation und datengetriebenem Design bietet MAP-DESIGN einen zukunftsweisenden Ansatz zur gezielten Entwicklung funktionaler Materialien. Die Ergebnisse schaffen die Grundlage für nachhaltigere, leistungsfähigere organische Elektronik - und darüber hinaus für intelligente Werkstoffe der nächsten Generation. Weitere Informationen und Publikationen zum Projekt finden Sie unter: https://www.tugraz.at/en/projekte/map-design