Investigadores del Centro de Nanociencia y la Facultad de Tecnología de la Información de la Universidad de Jyväskylä, Finlandia, han logrado un importante paso adelante en la predicción de estructuras atómicas de nanopartículas híbridas. Un artículo de investigación publicado en Comunicaciones de la naturaleza el 3 de septiembre de 2019, demuestra un nuevo algoritmo que aprende a predecir los sitios de unión de moléculas en la interfaz metal-molécula de nanopartículas híbridas mediante el uso de información estructural experimental ya publicada sobre sistemas de referencia de nanopartículas. En principio, el algoritmo se puede aplicar a cualquier estructura de tamaño nanométrico que consta de metales y moléculas, siempre que ya exista alguna información estructural en los sistemas correspondientes.

La investigación fue financiada por el programa de investigación AIPSE de la Academia de Finlandia (Nuevas aplicaciones de la inteligencia artificial en las ciencias físicas y la investigación en ingeniería).

Las nanopartículas de metal híbrido del tamaño de un nanómetro tienen muchas aplicaciones en diferentes procesos, incluida la catálisis, nanoelectrónica, nanomedicina e imagenología biológica. A menudo, es importante conocer la estructura atómica detallada de la partícula para comprender su funcionalidad. Las partículas constan de un núcleo metálico y una capa protectora de moléculas. Los microscopios electrónicos de alta resolución pueden producir estructuras atómicas tridimensionales del núcleo metálico, pero estos instrumentos no pueden detectar la capa molecular que consta de átomos ligeros como el carbono, nitrógeno y oxígeno. El nuevo algoritmo publicado por los investigadores en Jyväskylä ayuda a crear modelos atómicos precisos de la estructura total de las partículas, lo que permite simulaciones de la interfaz metal-molécula, así como de la superficie de la capa molecular y sus interacciones con el medio ambiente. El algoritmo también puede clasificar los modelos estructurales atómicos predichos en función de qué tan bien los modelos reproducen las propiedades medidas de otras partículas de tamaño y tipo similares.

"La idea básica detrás de nuestro algoritmo es muy simple. Los enlaces químicos entre átomos son siempre discretos, tener ángulos de enlace y distancias de enlace bien definidos. Por lo tanto, cada estructura de nanopartículas conocida a partir de experimentos, donde las posiciones de todos los átomos se resuelven con precisión, dice algo esencial sobre la química de la interfaz metal-molécula. La pregunta interesante con respecto a las aplicaciones de la inteligencia artificial para las predicciones estructurales es:¿cuántas de estas estructuras ya conocidas necesitamos conocer para que las predicciones de nuevas, sin embargo, las partículas desconocidas se vuelven confiables? Parece que solo necesitamos unas pocas docenas de estructuras conocidas, dice el autor principal del artículo, Sami Malola, quien trabaja como investigador universitario en el Centro de Nanociencia de la Universidad de Jyväskylä.

"En la siguiente fase de este trabajo, crearemos modelos de interacción atómica eficientes para nanopartículas metálicas híbridas mediante el uso de métodos de aprendizaje automático. Estos modelos nos permitirán investigar varios temas interesantes e importantes, como las reacciones de partículas a partículas y la capacidad de funcionamiento de las nanopartículas. como vehículos de suministro de pequeñas moléculas de fármacos, "dice el profesor de la Academia Hannu Häkkinen, quien dirigió el estudio.

Colaborador de Häkkinen, El profesor Tommi Kärkkäinen de la Facultad de Ciencias de la Información de la Universidad de Jyväskylä continúa:"Este es un importante paso adelante en el contexto de la nueva colaboración interdisciplinaria en nuestra universidad. La aplicación de la inteligencia artificial a temas desafiantes en nanociencia, como predicciones estructurales para nuevos nanomateriales, seguramente conducirá a nuevos avances ".