Chercheurs du Centre des nanosciences et de la Faculté des technologies de l'information de l'Université de Jyväskylä, Finlande, ont réalisé une avancée significative dans la prédiction des structures atomiques des nanoparticules hybrides. Un article de recherche publié dans Communication Nature le 3 septembre 2019, démontre un nouvel algorithme qui apprend à prédire les sites de liaison des molécules à l'interface métal-molécule des nanoparticules hybrides en utilisant des informations structurelles expérimentales déjà publiées sur les systèmes de référence des nanoparticules. L'algorithme peut en principe être appliqué à toute structure de taille nanométrique constituée de métaux et de molécules à condition que certaines informations structurelles existent déjà sur les systèmes correspondants.

La recherche a été financée par le programme de recherche AIPSE de l'Académie de Finlande (Novel Applications of Artificial Intelligence in Physical Sciences and Engineering Research).

Les nanoparticules métalliques hybrides de taille nanométrique ont de nombreuses applications dans différents processus, y compris la catalyse, nanoélectronique, nanomédecine et imagerie biologique. Souvent, il est important de connaître la structure atomique détaillée de la particule afin de comprendre sa fonctionnalité. Les particules sont constituées d'un noyau métallique et d'une couche protectrice de molécules. Les microscopes électroniques à haute résolution sont capables de produire des structures atomiques 3D du noyau métallique, mais ces instruments ne peuvent pas détecter la couche moléculaire constituée d'atomes légers tels que le carbone, l'azote et l'oxygène. Le nouvel algorithme publié par les chercheurs de Jyväskylä permet de créer des modèles atomiques précis de la structure totale des particules permettant des simulations de l'interface métal-molécule ainsi que de la surface de la couche moléculaire et de ses interactions avec l'environnement. L'algorithme peut également classer les modèles structuraux atomiques prédits en fonction de la façon dont les modèles reproduisent les propriétés mesurées d'autres particules de taille et de type similaires.

"L'idée de base de notre algorithme est très simple. Les liaisons chimiques entre les atomes sont toujours discrètes, ayant des angles de liaison et des distances de liaison bien définis. Par conséquent, chaque structure de nanoparticules connue d'expériences, où les positions de tous les atomes sont résolues avec précision, raconte quelque chose d'essentiel sur la chimie de l'interface métal-molécule. La question intéressante concernant les applications de l'intelligence artificielle pour les prédictions structurelles est la suivante :combien de ces structures déjà connues devons-nous connaître pour que les prédictions de nouvelles, encore des particules inconnues deviennent-elles fiables ? Il semble que nous n'ayons besoin que de quelques dizaines de structures connues, dit l'auteur principal de l'article, Sami Malola, qui travaille comme chercheur universitaire au Centre de nanosciences de l'Université de Jyväskylä.

« Dans la prochaine phase de ce travail, nous construirons des modèles d'interaction atomique efficaces pour les nanoparticules métalliques hybrides en utilisant des méthodes d'apprentissage automatique. Ces modèles nous permettront d'étudier plusieurs sujets intéressants et importants tels que les réactions particule-particule et la capacité des nanoparticules à fonctionner. comme véhicules d'administration de petites molécules médicamenteuses, " dit le professeur de l'Académie Hannu Häkkinen, qui a dirigé l'étude.

collaborateur de Häkkinen, Le professeur Tommi Kärkkäinen de la Faculté des sciences de l'information de l'Université de Jyväskylä poursuit :« C'est un pas en avant important dans le contexte d'une nouvelle collaboration interdisciplinaire dans notre université. Appliquer l'intelligence artificielle à des sujets difficiles en nanoscience, telles que les prédictions structurelles pour les nouveaux nanomatériaux, conduira sûrement à de nouvelles percées."