人工智能有助于预测混合纳米颗粒结构
芬兰Jyväskylä大学纳米科学中心和信息技术学院的研究人员在预测混合纳米粒子的原子结构方面取得了重大进展。2019年9月3日发表在Nature Communications上的一篇研究论文展示了一种新算法,该算法通过使用纳米粒子参考系统已经公布的实验结构信息,学习预测混合纳米粒子金属分子界面上分子的结合位点。该算法原则上可以应用于由金属和分子组成的任何纳米尺寸结构,条件是在相应的系统上已经存在一些结构信息。
该研究由芬兰科学院的AIPSE研究计划(物理科学和工程研究中的人工智能的新应用)资助。
纳米尺寸的杂化金属纳米粒子在不同的工艺中具有许多应用,包括催化,纳米电子学,纳米医学和生物成像。通常,了解粒子的详细原子结构以了解其功能非常重要。颗粒由金属核和分子保护层组成。高分辨率电子显微镜能够产生金属核的三维原子结构,但这些仪器无法检测由碳原子,氮原子和氧原子等轻原子组成的分子层。该新算法由Jyväskylä的研究人员发表,有助于创建颗粒总体结构的精确原子模型,从而能够模拟金属 - 分子界面以及分子层表面及其与环境的相互作用。该算法还可以基于模型再现具有相似尺寸和类型的其他粒子的测量特性的程度来对预测的原子结构模型进行排序。
“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,从实验中得知的每个纳米粒子结构,其中所有原子的位置被准确地解析,告诉了一些东西关于金属 - 分子界面化学的重要性。关于人工智能在结构预测中的应用的一个有趣问题是:我们需要知道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?看起来像我们只需要几十个已知的结构,该文章的主要作者萨米马洛拉说,他是Jyväskylä大学纳米科学中心的大学研究员。
“在这项工作的下一阶段,我们将通过机器学习方法为混合金属纳米粒子建立有效的原子相互作用模型。这些模型将使我们能够研究几个有趣和重要的主题,如粒子 - 粒子反应和纳米粒子的功能作为小药物分子的运载工具,“负责这项研究的学院教授HannuHäkkinen说。
Häkkinen的合作者,Jyväskylä大学信息科学系的TommiKärkkäinen教授继续说道:“这是在我们大学新的跨学科合作背景下向前迈出的重要一步。将人工智能应用于纳米科学的挑战性主题,例如结构预测对于新的纳米材料,肯定会带来新的突破。“