Ricercatori presso il Centro di nanoscienze e la Facoltà di tecnologia dell'informazione dell'Università di Jyväskylä, Finlandia, hanno compiuto un significativo passo avanti nella previsione delle strutture atomiche delle nanoparticelle ibride. Un articolo di ricerca pubblicato su Comunicazioni sulla natura il 3 settembre 2019, dimostra un nuovo algoritmo che impara a prevedere i siti di legame delle molecole all'interfaccia metallo-molecola delle nanoparticelle ibride utilizzando informazioni strutturali sperimentali già pubblicate sui sistemi di riferimento delle nanoparticelle. L'algoritmo può in linea di principio essere applicato a qualsiasi struttura di dimensioni nanometriche costituita da metalli e molecole a condizione che esistano già alcune informazioni strutturali sui sistemi corrispondenti.

La ricerca è stata finanziata dal programma di ricerca AIPSE dell'Accademia di Finlandia (Novel Applications of Artificial Intelligence in Physical Sciences and Engineering Research).

Le nanoparticelle metalliche ibride di dimensioni nanometriche hanno molte applicazioni in diversi processi, compresa la catalisi, nanoelettronica, nanomedicina e imaging biologico. Spesso, è importante conoscere la struttura atomica dettagliata della particella per comprenderne la funzionalità. Le particelle sono costituite da un nucleo metallico e da uno strato protettivo di molecole. I microscopi elettronici ad alta risoluzione sono in grado di produrre strutture atomiche 3-D del nucleo metallico, ma questi strumenti non sono in grado di rilevare lo strato molecolare costituito da atomi leggeri come il carbonio, azoto e ossigeno. Il nuovo algoritmo pubblicato dai ricercatori di Jyväskylä aiuta a creare modelli atomici accurati della struttura totale delle particelle consentendo simulazioni dell'interfaccia metallo-molecola, nonché della superficie dello strato molecolare e delle sue interazioni con l'ambiente. L'algoritmo può anche classificare i modelli strutturali atomici previsti in base al modo in cui i modelli riproducono le proprietà misurate di altre particelle di dimensioni e tipo simili.

"L'idea alla base del nostro algoritmo è molto semplice. I legami chimici tra gli atomi sono sempre discreti, avere angoli di legame e distanze di legame ben definiti. Perciò, ogni struttura di nanoparticelle conosciuta da esperimenti, dove le posizioni di tutti gli atomi sono risolte con precisione, dice qualcosa di essenziale sulla chimica dell'interfaccia metallo-molecola. La domanda interessante riguardante le applicazioni dell'intelligenza artificiale per le previsioni strutturali è:quante di queste strutture già note dobbiamo conoscere affinché le previsioni per nuove, eppure le particelle sconosciute diventano affidabili? Sembra che abbiamo bisogno solo di poche dozzine di strutture conosciute, dice l'autore principale dell'articolo, Sami Malola, che lavora come ricercatore universitario presso il Centro di nanoscienze dell'Università di Jyväskylä.

"Nella prossima fase di questo lavoro costruiremo modelli di interazione atomica efficienti per nanoparticelle metalliche ibride utilizzando metodi di apprendimento automatico. Questi modelli ci permetteranno di indagare su diversi argomenti interessanti e importanti come le reazioni particella-particella e la capacità delle nanoparticelle di funzionare come veicoli di consegna per piccole molecole di farmaci, " dice il professore dell'Accademia Hannu Häkkinen, che ha condotto lo studio.

collaboratore di Häkkinen, Il professor Tommi Kärkkäinen della Facoltà di Scienze dell'Informazione dell'Università di Jyväskylä continua:"Questo è un significativo passo avanti nel contesto di una nuova collaborazione interdisciplinare nella nostra università. Applicare l'intelligenza artificiale ad argomenti impegnativi nella nanoscienza, come previsioni strutturali per nuovi nanomateriali, porterà sicuramente a nuove scoperte”.