近日我校材料基因组工程研究院孙强教授课题组在表面超分子结构的高通量制备方面取得进展，研究成果发表于《ACS Nano》（最新影响因子：18.027），论文题目为“High-Throughput Preparation of Supramolecular Nanostructures on Metal Surfaces”。

当代材料科学的主要目标之一在于材料快速筛选和挖掘，高通量制备实验方法可以平行合成产生实验样品库，为快速发现材料构建成分空间，这一理念已被应用于多种功能性材料的制备。分子在表面的自组装是构建具有特殊性能的超分子纳米结构的一种常用方法，表面纳米结构与分子组成的化学计量比有很强的相关性，但目前表面超分子纳米结构的高通量制备还有待被探索。

(a)本工作中应用的掩膜技术的示意图。(b)分子2和1的化学结构，以及双组分连续覆盖的金属基底示意图。(c)在(b)中所示的基底上不同宏观位置的两个分子的覆盖率。柱状图中红色和蓝色分别表示2和1。(d)在(b)中所示的基底的不同位置获得的典型的大尺度STM图像。分子1的分子岛使用蓝色阴影突出显示。比例尺: 20 nm。

在本工作中，通过将一个物理掩膜整合到标准的超高真空表面制备系统中，作者展示了一种用于制备金属表面连续成分扩散的超分子纳米结构的高通量实验方法。作者在单次制备实验中获得单个金属基底上所有可能的、具有不同分子比例的二元纳米结构，通过在超高真空下进行的高分辨率扫描隧道显微镜（STM）的表征，得到空间上可寻址的表面超分子自组装样品库。此外，作者还通过最小生成树（MST）方法进一步定性和定量地分析其结构特性。

这项研究是MGI表面科学课题组基于材料基因理念在表面科学领域进行的创新研究，有助于加快表面低维纳米结构的快速筛选构效关系的深入探索。

本论文工作由上海大学材料基因组工程研究院独立完成，孙强教授为唯一通讯作者。MGI表面科学课题组近年来聚焦于利用数据挖掘、机器学习和人工智能方法，结合高通量实验手段探索人工智能在表面科学中的应用。致力于培养具备“重基础、跨学科、国际化”理念的材料基因特色人才。课题负责人近年来获国家级海外高层次青年人才、国家自然科学基金面上等项目支持。

论文链接：https://pubs.acs.org/doi/10.1021/acsnano.2c06294