Summary

Hamiltonianos excitônicos para o cálculo de espectros de absorção óptica e propriedades optoeletrônicas de agregados moleculares e sólidos

Published: May 27, 2020
doi:

Summary

Aqui, apresentamos um protocolo para parametrizar um hamiltoniano excitônico de ligação apertada para calcular espectros de absorção óptica e propriedades optoeletrônicas de materiais moleculares a partir de cálculos químicos quânticos de princípios iniciais.

Abstract

O design racional de agregados moleculares desordenados e sólidos para aplicações optoeletrônicas baseia-se em nossa capacidade de prever as propriedades de tais materiais usando métodos teóricos e computacionais. No entanto, grandes sistemas moleculares onde a desordem é muito significativa para ser considerada no limite perturbativo não podem ser descritos usando os primeiros princípios da química quântica ou da teoria da banda. A modelagem multiescala é uma abordagem promissora para compreender e otimizar as propriedades optoeletrônicas desses sistemas. Ele usa métodos químicos quânticos de princípios para calcular as propriedades de moléculas individuais, em seguida, constrói modelo hamiltonianos de agregados moleculares ou materiais a granel com base nesses cálculos. Neste artigo, apresentamos um protocolo para a construção de um hamiltoniano de ligação apertada que representa os estados animados de um material molecular na base de excitons de Frenckel: pares de buracos de elétrons que são localizados em moléculas individuais que compõem o material. A parametrização hamiltoniana proposta aqui explica os acoplamentos excitonicos entre moléculas, bem como para a polarização eletrostática da densidade de elétrons em uma molécula pela distribuição de carga nas moléculas circundantes. Tais modelos hamiltonianos podem ser usados para calcular espectros de absorção óptica e outras propriedades optoeletrônicas de agregados moleculares e sólidos.

Introduction

Nas últimas duas décadas, sólidos e filmes feitos a partir de moléculas orgânicas agregadas encontraram múltiplas aplicações em dispositivos optoeletrônicos. Dispositivos baseados em tais materiais têm muitas propriedades atraentes, incluindo pequeno peso, flexibilidade, baixo consumo de energia e potencial para produção barata usando impressão a jato de tinta. Displays baseados em diodos emissores de luz orgânica (OLEDs) estão substituindo displays cristalinos líquidos como estado da arte para telefones celulares, laptops, televisores e outros dispositivos eletrônicos1,2,3,4. Espera-se que a importância dos OLEDs para aplicações de iluminação aumente nos próximos anos4. O desempenho dos dispositivos fotovoltaicos orgânicos está melhorando continuamente, com eficiências de conversão de energia acima de 16% recentemente relatadas para células solares orgânicas de junção única5. Os materiais orgânicos também têm o potencial de interromper outras tecnologias, como as comunicações de fibra óptica, onde seu uso permite o desenvolvimento de moduladores eletro-ópticos com larguras de banda extremamente altas de 15 THz e acima de6,7.

Um grande desafio na otimização de materiais moleculares de estado sólido para aplicações em optoeletrônica é que normalmente suas propriedades dependem fortemente da estrutura nanoescala do material. O processo de produção permite definir a nanoestrutura de um material em certa medida usando técnicas de crescimento controlado, como deposição de vapor químico,8 templating de moléculas opticamente ativas em outro material (ou seja, uma matriz de polímeros9,10),recozimento térmico11,12, etc. No entanto, a desordem nanoescala é intrínseca à maioria dos materiais moleculares e geralmente não pode ser totalmente eliminada. Portanto, entender como a desordem afeta as propriedades de um material e encontrar formas de projetá-lo para um desempenho ideal é essencial para o design racional de materiais optoeletrônicos orgânicos.

O grau de desordem em materiais moleculares é geralmente muito grande para tratá-lo como uma perturbação de uma estrutura cristalina periódica com uma estrutura eletrônica que pode ser descrita pela teoria da banda. Por outro lado, o número de moléculas que devem ser incluídas em uma simulação para reproduzir as propriedades de um material a granel ou de um filme é muito grande para usar os primeiros princípios de métodos químicos quânticos como a teoria funcional da densidade (DFT)13,,14 e a teoria funcional da densidade dependente do tempo (TD-DFT)15,16. Moléculas orgânicas com aplicações em optoeletrônica tipicamente têm sistemas π-conjugados relativamente grandes; muitos também têm grupos doadores e aceitadores. Capturar o comportamento correto de transferência de carga em tais moléculas é essencial para calcular suas propriedades optoeletrônicas, mas só pode ser realizado usando funcionais híbridos corrigidos de longo alcance em TD-DFT17,,18,19,20. Cálculos que usam tais funções escalam super linearmente com o tamanho do sistema e, atualmente, são apenas práticos para modelar as propriedades optoeletrônicas de moléculas orgânicas individuais ou pequenos agregados moleculares que podem ser descritos usando não mais do que ~104 funções de base atômica. Um método de simulação que poderia descrever materiais desordenados que consistem em um grande número de cromóforos seria muito útil para modelar esses sistemas.

A magnitude das interações intermoleculares em materiais moleculares é muitas vezes comparável ou menor do que a ordem de variação nos parâmetros energéticos (como as energias eigenstate ou energias de excitação) entre moléculas individuais que compõem o material. Nesses casos, a modelagem multiescala é a abordagem mais promissora para compreender e otimizar as propriedades optoeletrônicas de grandes sistemas moleculares desordenados21,22,23. Esta abordagem usa métodos químicos quânticos de primeiros princípios (geralmente DFT e TD-DFT) para calcular com precisão as propriedades das moléculas individuais que compõem o material. O hamiltoniano de uma amostra de material que é grande o suficiente para representar o material molecular a granel (talvez, empregando condições periódicas de limite) é então construído usando os parâmetros que foram calculados para moléculas individuais. Este hamiltoniano pode então ser usado para calcular os parâmetros optoeletrônicos de um grande agregado molecular, um filme fino, ou um material molecular a granel.

Os modelos exciton são uma subclasse de modelos multiescala em que estados animados de um material molecular são representados em uma base de excitons: pares de buracos de elétrons que são vinculados pela atração de Coulomb24,25. Para modelar muitos processos de estado animados, basta incluir apenas os excitons frenkel26, onde o elétron e o buraco são localizados na mesma molécula. Os excitons de transferência de carga, onde o elétron e o orifício são localizados em diferentes moléculas, podem precisar ser incluídos em alguns casos (por exemplo, ao modelar a separação da carga em sistemas de aceitação de doadores)27,28. Embora os modelos de exciton sejam modelos multiescala que podem ser parametrizados usando apenas cálculos de primeiro princípio em moléculas individuais, eles ainda explicam interações intermoleculares. Os dois tipos de interação primária que eles podem explicar são (a) acoplamentos excitonicos entre moléculas que caracterizam a capacidade de excitons de deslocalizar ou transferir entre moléculas e (b) polarização eletrostática da densidade eletrônica em uma molécula pela distribuição de carga em moléculas circundantes. Já mostramos anteriormente que ambos os fatores são importantes para modelar as propriedades ópticas e eletro-ópticas dos agregados moleculares, como o espectro de absorção óptica29 e as primeiras hiperpolarizações30.

Neste artigo, apresentamos um protocolo para parametrização de modelos de excitoque que podem ser usados para calcular os espectros ópticos e outras propriedades optoeletrônicas de grandes agregados moleculares e materiais moleculares a granel. O hamiltoniano excitonico é assumido como um hamiltoniano apertado24,25,

Equation 1

onde εi é a energia de excitação da th molécula no material, bij é o acoplamento excitonico entre as moléculas ith e jth, â i e â i são os operadores de criação e aniquilação, respectivamente, para um estado animado na molécula ith no material. Os parâmetros hamiltonianos excitonicos são encontrados usando cálculos TD-DFT que são realizados em moléculas individuais que compõem o material. Nestes cálculos TD-DFT, a distribuição de carga em todas as outras moléculas do material é representada pela incorporação eletrostática de cargas de ponto atômico para explicar a polarização eletrostática da densidade eletrônica de uma molécula. As energias de excitação, εi, para moléculas individuais são retiradas diretamente da saída de cálculo TD-DFT. Os acoplamentos excitonicos, bij, entre moléculas são calculados usando o método cubo de densidade de transição31,com as densidades de transição de estado terra-para-excitação para as moléculas interativas retiradas da saída de um cálculo TD-DFT em Gaussian32 e pós-processados usando o analisador multifuncional multifuncional de função de onda33. Multiwfn Para simular as propriedades dos sólidos moleculares a granel, condições periódicas de limite podem ser aplicadas ao hamiltoniano.

O protocolo atual exige que o usuário tenha acesso aos programas Gaussian32 e Multiwfn33. O protocolo foi testado usando gaussian 16, revisão B1 e Multiwfn versão 3.3.8, mas também deve funcionar para outras versões recentes desses programas. Além disso, o protocolo usa um utilitário C++ personalizado e uma série de scripts personalizados python 2.7 e Bash, o código-fonte para o qual é fornecido sob a Licença Pública Geral GNU (Versão 3) em https://github.com/kocherzhenko/ExcitonicHamiltonian. Os cálculos devem ser realizados em uma máquina executando um sistema operacional da família Unix/Linux.

Protocol

1. Dividir o sistema multimolecular em moléculas individuais Gerar a estrutura do sistema para o qual o hamiltoniano excitonico precisa ser construído em formato de arquivo molecular Tripos MOL2. Esta estrutura pode ser um instantâneo de uma dinâmica molecular ou simulação de Monte Carlo do sistema. Se todas as moléculas do sistema consistem no mesmo número de átomos, use o script python 2.7 getMonomers.py para gerar arquivos que contenham as coordenadas cartesianas para átomos em moléculas…

Representative Results

Nesta seção apresentamos resultados representativos para a computação do espectro óptico de absorção de um agregado de seis moléculas YLD 124, mostradas na Figura 3a,onde a estrutura do agregado foi obtida a partir de uma simulação de Monte Carlo de grãos grossos. YLD 124 é um cromóforo prototípico de transferência de carga que consiste em um grupo de doação de elétrons de amina dietil com grupos protetores tert-butildimitill que é conectado através de uma ponte π-co…

Discussion

O método aqui apresentado permite múltiplas personalizações. Por exemplo, é possível modificar os parâmetros dos cálculos DFT e TD-DFT, incluindo a densidade funcional, conjunto de bases e definição específica das cargas de ponto atômico.

O uso de funcionais corrigidos de longo alcance, como ωB97X, ωB97XD, ou ωPBE, é recomendado para obter densidades de transição razoáveis para transições com caractere de transferência de carga. Pode ser interessante estudar até que pont…

Divulgaciones

The authors have nothing to disclose.

Acknowledgements

Agradecemos ao Dr. Andreas Tillack (Oak Ridge National Laboratory), Dr. Lewis Johnson (Universidade de Washington) e Dr. Bruce Robinson (Universidade de Washington) pelo desenvolvimento do programa de simulações de Monte Carlo de grãos grossos que foi usado para gerar a estrutura do sistema molecular apresentada na seção resultados representativos. A.A.K. e P.F.G. são apoiados por um prêmio de pesquisa colaborativa da Faculdade de Ciências, CSU East Bay. M.H. é apoiado por uma bolsa Forever Pioneer do Center for Student Research, CSU East Bay. C.M.I. e S.S. são apoiados pelo Departamento de Defesa dos EUA (Proposta 67310-CH-REP) sob a Divisão de Materiais Orgânicos do Escritório da Força Aérea de Pesquisa Científica.

Materials

Gaussian 16, revision B1
Multiwfn version 3.3.8
GNU compiler collection version 9.2
python 2.7.0

Referencias

  1. Tsujimura, T. . OLED Display Fundamentals and Applications, 2nd Ed. , (2017).
  2. Barnes, D. LCD or OLED: Who Wins. SID Symposium Digest of Technical Papers. 44 (1), 26-27 (2013).
  3. Mizukami, M., et al. Flexible Organic Light-Emitting Diode Displays Driven by Inkjet-Printed High-Mobility Organic Thin-Film Transistors. IEEE Electron Device Letters. 39 (1), 39-42 (2018).
  4. Koden, M. . OLED Displays and Lighting. , (2017).
  5. Fan, B., et al. Achieving Over 16% Efficiency for Single-Junction Organic Solar Cells. Science China Chemistry. 62 (6), 746-752 (2018).
  6. Dalton, L. R., Gunter, P., Jazbinsek, M., Kwon, O. P., Sullivan, P. A. . Organic Electro-Optics and Photonics: Molecules, Polymers, and Crystals. , (2015).
  7. Robinson, B. H., et al. Optimization of Plasmonic-Organic Hybrid Electro-Optics. Journal of Lightwave Technology. 36 (21), 5036-5047 (2018).
  8. Yu, D., Yang, Y. Q., Chen, Z., Tao, Y., Liu, Y. F. Recent Progress on Thin-Film Encapsulation Technologies for Organic Electronic Devices. Optics Communications. 362 (1), 43-49 (2016).
  9. Wanapun, D., Hall, V. J., Begue, N. J., Grote, J. G., Simpson, G. J. DNA-Based Polymers as Chiral Templates for Second-Order Nonlinear Optical Materials. ChemPhysChem. 10 (15), 2674-2678 (2009).
  10. Siao, Y. Y., et al. Orderly Arranged NLO Materials on Exfoliated Layered Templates Based on Dendrons with Alternating Moieties at the Periphery. Polymer Chemistry. 4 (9), 2747-2759 (2013).
  11. Sepeai, S., Salleh, M. M., Yahaya, M., Umar, A. A. Improvement of White Organic Light Emitting Diode Performances by an Annealing Process. Thin Solid Films. 517 (16), 4679-4683 (2009).
  12. Mao, G., et al. Considerable Improvement in the Stability of Solution Processed Small Molecule OLED by Annealing. Applied Surface Science. 257 (17), 7394-7398 (2011).
  13. Parr, R. G., Yang, W. . Density Functional Theory of Atoms and Molecules. , (1989).
  14. Dreizlerm, R. M., Gross, E. K. U. . Density Functional Theory: An Approach to the Quantum Many-body Problem. , (1990).
  15. Burke, K., Werschnik, J., Gross, E. K. U. Time-Dependent Density Functional Theory: Past, Present, and Future. Journal of Chemical Physics. 123 (6), 062206 (2005).
  16. Ullrich, C. . Time-Dependent Density-Functional Theory: Concepts and Applications. , (2011).
  17. Vydrov, O. A., Scuseria, G. E. Assessment of a Long-Range Corrected Hybrid Functional. Journal of Chemical Physics. 125 (23), 234109 (2006).
  18. Tawada, Y., Tsuneda, T., Yanagisawa, S. A Long-Range-Corrected Time-Dependent Density Functional Theory. Journal of Chemical Physics. 120 (18), 5425 (2004).
  19. Rohrdanz, M. A., Herbert, J. M. Simultaneous Benchmarking of Ground- and Excited-State Properties with Long-Range-Corrected Density Functional Theory. Journal of Chemical Physics. 129 (3), 034107 (2008).
  20. Autschbach, J. Charge-Transfer Excitations and Time-Dependent Density Functional Theory: Problems and Some Proposed Solutions. ChemPhysChem. 10 (11), 1757-1760 (2008).
  21. Nelson, J., Kwiatkowski, J. J., Kirkpatrick, J., Frost, J. M. Modeling Charge Transport in Organic Photovoltaic Materials. Accounts of Chemical Research. 42 (11), 1768-1778 (2009).
  22. Walker, A. B. Multiscale Modeling of Charge and Energy Transport in Organic Light-Emitting Diodes and Photovoltaics. Proceedings of the IEEE. 97 (9), 1587-1596 (2009).
  23. Wang, L., Li, Q., Shuai, Z., Chenc, L., Shic, Q. Multiscale Study of Charge Mobility of Organic Semiconductor with Dynamic Disorders. Physical Chemistry Chemical Physics. 12 (13), 3309-3314 (2010).
  24. Davydov, A. S. . Theory of Molecular Excitons. , (1971).
  25. Agranovich, V. M. Excitations in Organic Solids. International Series of Monographs on Physics. 142, (2008).
  26. Frenkel, J. On the Transformation of Light into Heat in Solids. I. Physical Review. 37 (1), 17-44 (1931).
  27. Kocherzhenko, A. A., Lee, D., Forsuelo, M. A., Whaley, K. B. Coherent and Incoherent Contributions to Charge Separation in Multichromophore Systems. Journal of Physical Chemistry C. 119 (14), 7590-7603 (2015).
  28. Lee, D., Forsuelo, M. A., Kocherzhenko, A. A., Whaley, K. B. Higher-Energy Charge Transfer States Facilitate Charge Separation in Donor-Acceptor Molecular Dyads. Journal of Physical Chemistry C. 121 (24), 13043-13051 (2017).
  29. Kocherzhenko, A. A., Sosa Vazquez, X. A., Milanese, J. M., Isborn, C. M. Absorption Spectra for Disordered Aggregates of Chromophores Using the Exciton Model. Journal of Chemical Theory and Computation. 13 (8), 3787-3801 (2017).
  30. Kocherzhenko, A. A., et al. Unraveling Excitonic Effects for the First Hyperpolarizabilities of Chromophore Aggregates. Journal of Physical Chemistry C. 123 (22), 13818-13836 (2019).
  31. Krueger, B., Scholes, G., Fleming, G. Calculation of Couplings and Energy-Transfer Pathways between the Pigments of LH2 by the ab Initio Transition Density Cube Method. Journal of Physical Chemistry B. 102 (27), 5378-5386 (1998).
  32. Frisch, M. J., et al. Gaussian 16, Revision B.01. Gaussian, Inc. , (2016).
  33. Lu, T., Chen, F. Multiwfn: A Multifunctional Wavefunction Analyzer. Journal of Computational Chemistry. 33 (5), 580-592 (2012).
  34. Chai, J. D., Head-Gordon, M. Systematic Optimization of Long-Range Corrected Hybrid Density Functionals. Journal of Chemical Physics. 128 (8), 084106 (2008).
  35. Hehre, W., Ditchfield, R., Pople, J. Self-Consistent Molecular Orbital Methods. XII. Further Extensions of Gaussian-Type Basis Sets for Use in Molecular Orbital Studies of Organic Molecules. Journal of Chemical Physics. 56 (5), 2257-2261 (1972).
  36. Hariharan, P., Pople, J. The Influence of Polarization Functions on Molecular Orbital Hydrogenation Energies. Theoretica chimica acta. 28 (3), 213-222 (1973).
  37. Breneman, C. M., Wiberg, K. B. Determining Atom-Centered Monopoles from Molecular Electrostatic Potentials. The Need for High Sampling Density in Formamide Conformational Analysis. Journal of Computational Chemistry. 11 (3), 361-373 (1990).
  38. Mulliken, R. S. Electronic Population Analysis on LCAO-MO MolecularWave Functions. I. Journal of Chemical Physics. 23 (10), 1833-1840 (1955).
  39. Jen, A., et al. Exceptional Electro-Optic Properties through Molecular Design and Controlled Self-Assembly. Proceedings of SPIE. 5935, 593506 (2005).
  40. Hirata, S., Head-Gordon, M. Time-Dependent Density Functional Theory Within the Tamm-Dancoff Approximation. Chemical Physics Letters. 314 (3-4), 291-299 (1999).
  41. Randolph, K. A., Myers, L. L. . Basic Statistics in Multivariate Analysis. , 11-34 (2013).
  42. Garrett, K., et al. Optimum Exchange for Calculation of Excitation Energies and Hyperpolarizabilities of Organic Electro-optic Chromophores. Journal of Chemical Theory and Computation. 10 (9), 3821-3831 (2014).
  43. Sekino, H., Maeda, Y. Polarizability and Second Hyperpolarizability Evaluation of Long Molecules by the Density Functional Theory with Long-Range Correction. Journal of Chemical Physics. 126 (1), 014107 (2007).
  44. Johnson, L. E., Dalton, L. R., Robinson, B. H. Optimizing Calculations of Electronic Excitations and Relative Hyperpolarizabilities of Electrooptic Chromophores. Accounts of Chemical Research. 47 (11), 3258-3265 (2014).
  45. Lee, J., et al. Molecular Mechanics Simulations and Improved Tight-Binding Hamiltonians for Artificial Light Harvesting Systems: Predicting Geometric Distributions, Disorder, and Spectroscopy of Chromophores in a Protein Environment. Journal of Physical Chemistry B. 122 (51), 12292-12301 (2018).
  46. Bellinger, D., Pflaum, J., Brüning, C., Engel, V., Engels, B. The Electronic Character of PTCDA Thin Films in Comparison to Other Perylene-Based Organic Semi-conductors: Ab Initio-, TD-DFT and Semi-Empirical Computations of the Opto-Electronic Properties of Large Aggregates. Physical Chemistry Chemical Physics. 19 (3), 2434 (2017).
  47. Zuehlsdorff, T. J., Isborn, C. M. Combining the Ensemble and Franck-Condon Approaches for Calculating Spectral Shapes of Molecules in Solution. The Journal of Chemical Physics. 148 (2), 024110 (2018).
  48. Zuehlsdorff, T. J., Isborn, C. M. Modeling Absorption Spectra of Molecules in Solution. International Journal of Quantum Chemistry. 119 (1), 25719 (2019).
  49. Plötz, P. A., Megow, J., Niehaus, T., Kühn, O. All-DFTB Approach to the Parametrization of the System-Bath Hamiltonian Describing Exciton-Vibrational Dynamics of Molecular Assemblies. Journal of Chemical Theory and Computation. 14 (10), 5001-5010 (2018).
  50. Tillack, A., Johnson, L., Eichinger, B., Robinson, B. H. Systematic Generation of Anisotropic Coarse-Grained Lennard-Jones Potentials and Their Application to Ordered Soft Matter. Journal of Chemical Theory and Computation. 12 (9), 4362-4374 (2016).
check_url/es/60598?article_type=t

Play Video

Citar este artículo
Kocherzhenko, A. A., Shedge, S. V., Germaux, P. F., Heidarian, M., Isborn, C. M. Excitonic Hamiltonians for Calculating Optical Absorption Spectra and Optoelectronic Properties of Molecular Aggregates and Solids. J. Vis. Exp. (159), e60598, doi:10.3791/60598 (2020).

View Video