近日万事娱乐材料基因組工程研究院孫強教授課題組在表面超分子結構的高通量製備方面取得進展☦️，研究成果發表於《ACS Nano》（最新影響因子：18.027）📃🙋🏿‍♀️，論文題目為“High-Throughput Preparation of Supramolecular Nanostructures on Metal Surfaces”。

當代材料科學的主要目標之一在於材料快速篩選和挖掘，高通量製備實驗方法可以平行合成產生實驗樣品庫，為快速發現材料構建成分空間，這一理念已被應用於多種功能性材料的製備𓀓。分子在表面的自組裝是構建具有特殊性能的超分子納米結構的一種常用方法，表面納米結構與分子組成的化學計量比有很強的相關性👨🏼‍🦳，但目前表面超分子納米結構的高通量製備還有待被探索🛠。

(a)本工作中應用的掩膜技術的示意圖。(b)分子2和1的化學結構，以及雙組分連續覆蓋的金屬基底示意圖❌。(c)在(b)中所示的基底上不同宏觀位置的兩個分子的覆蓋率。柱狀圖中紅色和藍色分別表示2和1。(d)在(b)中所示的基底的不同位置獲得的典型的大尺度STM圖像。分子1的分子島使用藍色陰影突出顯示。比例尺: 20 nm⛓🚄。

在本工作中🧍‍♂️，通過將一個物理掩膜整合到標準的超高真空表面製備系統中🙌🏽，作者展示了一種用於製備金屬表面連續成分擴散的超分子納米結構的高通量實驗方法🏣。作者在單次製備實驗中獲得單個金屬基底上所有可能的、具有不同分子比例的二元納米結構👨‍🏭🙆🏽‍♀️，通過在超高真空下進行的高分辨率掃描隧道顯微鏡（STM）的表征🙍🏼，得到空間上可尋址的表面超分子自組裝樣品庫🙅🏼。此外🏪，作者還通過最小生成樹（MST）方法進一步定性和定量地分析其結構特性🧑🏿‍🍳🍵。

這項研究是MGI表面科學課題組基於材料基因理念在表面科學領域進行的創新研究，有助於加快表面低維納米結構的快速篩選構效關系的深入探索。

本論文工作由万事平台材料基因組工程研究院獨立完成，孫強教授為唯一通訊作者🦺。MGI表面科學課題組近年來聚焦於利用數據挖掘、機器學習和人工智能方法🎟，結合高通量實驗手段探索人工智能在表面科學中的應用🧝🏿。致力於培養具備“重基礎、跨學科、國際化”理念的材料基因特色人才🚴🏻‍♀️。課題負責人近年來獲國家級海外高層次青年人才、國家自然科學基金面上等項目支持。

論文鏈接🫖：https://pubs.acs.org/doi/10.1021/acsnano.2c06294