芬兰科学院 从原理上来说，预测混合金属纳米粒子的原子结构，类似于完成一株“被吹散”的蒲公英的小花壳
在金属核(在这种情况下是金色、橙色球体)顶部添加分子(灰色)的最佳位置是什么？学分:萨米·马洛拉，日夫斯基莱大学 芬兰耶夫斯凯勒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《自然通讯》上的一篇研究文章展示了一种新的算法，该算法通过使用已经发表的关于纳米粒子参考系统的实验结构信息来学习预测混合纳米粒子的金属-分子界面上的分子结合位点
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的结构，只要在相应的系统上已经存在一些结构信息
这项研究是由芬兰科学院的人工智能研究项目(人工智能在物理科学和工程研究中的新应用)资助的
纳米尺寸的杂化金属纳米粒子在不同的过程中有许多应用，包括催化、纳米电子学、纳米医学和生物成像
通常，为了理解粒子的功能，了解粒子的详细原子结构是很重要的
粒子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心的三维原子结构，但这些仪器无法探测到由碳、氮和氧等轻原子组成的分子层
由研究人员在jyvskyla发表的新算法有助于创建粒子整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相似尺寸和类型的其他粒子的测量属性的程度来对预测的原子结构模型进行排序
“我们算法背后的基本思想非常简单
原子间的化学键总是不连续的，具有明确的键角和键距
因此，从实验中得知的每一个纳米粒子结构，在那里所有原子的位置都被精确地分辨出来，告诉我们一些关于金属分子界面化学的基本知识
关于人工智能在结构预测中的应用，一个有趣的问题是:我们需要知道这些已知结构中的多少，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的结构，”这篇文章的主要作者萨米·马洛拉说，他是耶瓦斯凯拉大学纳米科学中心的大学研究员
“在这项工作的下一阶段，我们将使用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
领导这项研究的科学院教授汉努·哈克宁说:“这些模型将使我们能够研究几个有趣而重要的课题，如粒子-粒子反应和纳米粒子作为小药物分子传递载体的能力。”
哈克宁的合作者，来自于杰维斯凯拉大学信息科学学院的汤姆米·卡尔肯宁教授继续说道:“在我们大学新的跨学科合作的背景下，这是向前迈出的重要一步
将人工智能应用于纳米科学中具有挑战性的课题，如新纳米材料的结构预测，必将带来新的突破
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
