该算法使用来自纳米粒子参考系统的实验结构信息，并建立粒子结构的精确原子模型及其与环境的相互作用。

由于AI能够阅读过去的实验，将其与当前的研究联系起来并预测结果，因此在科学研究中实施人工智能(AI)可能是重大突破的催化剂。

虽然人类可以记住它们的数量受到阻碍，但人工智能可以保存更多的信息量。有了这个，它可以通过分析研究人员提供的数据来提供见解。

还请参见：为什么公司和工人不应该害怕在机器人工作中使用人工智能

这就是芬兰Jyväskylä大学纳米科学中心和信息技术学院的研究人员希望通过一种新算法来实现这一目标，该算法旨在“预测混合纳米颗粒金属分子界面上分子的结合位点”。

该算法使用早期发表的纳米粒子参考系统的实验结构信息进行预测。由此，研究人员可以建立精确的粒子结构原子模型及其与环境的相互作用。AI还可以基于先前分析的类似测量属性的模型对模型进行排名。

“我们的算法背后的基本思想非常简单。原子之间的化学键总是离散的，具有明确的键角和键距。因此，从实验中已知的每个纳米颗粒结构，其中所有原子的位置被精确地分辨，告诉了关于金属 - 分子界面的化学性质的必要性。

关于人工智能在结构预测中的应用的一个有趣问题是：我们需要了解多少这些已知的结构，以便对新的未知粒子的预测变得可靠?看起来我们只需要几十个已知结构，“自然通讯文章的主要作者，Jyväskylä大学纳米科学中心大学研究员Sami Malola说。

“这是我们大学新的跨学科合作背景下的重要一步。将人工智能应用于纳米科学中具有挑战性的主题，例如新纳米材料的结构预测，肯定会带来新的突破，“Jyväskylä大学信息科学系教授TommiKärkkäinen说。