En las últimas décadas, los investigadores han estado estudiando activamente cómo las nanopartículas núcleo-cubierta pueden mejorar el rendimiento de los sistemas catalíticos, que utilizan principalmente catalizadores metálicos que aceleran las reacciones químicas.

Los investigadores de Skoltech analizaron los últimos logros en la síntesis de partículas núcleo-capa, métodos de investigación, técnicas para ajustar sus propiedades y también identificaron las áreas más prometedoras para futuras investigaciones. Se ha publicado una gran reseña en Nanoscale .

Las partículas bimetálicas de núcleo-cubierta son nanopartículas que varían en tamaño de 1 a 100 nanómetros. Su núcleo y caparazón están formados por diferentes metales. Las nanopartículas, a diferencia de las partículas ordinarias, poseen características únicas que permiten su uso activo en el diagnóstico del cáncer, la creación de dispositivos electrónicos compactos y el diseño de paneles solares y en muchos otros campos.

"Hicimos una gran revisión donde mostramos cómo las propiedades de las nanopartículas se pueden ajustar experimentalmente. La revisión cubre artículos de los últimos 3 a 4 años. Los métodos de síntesis e investigación de nanomateriales están en constante evolución, por lo que ahora casi todos los átomos Se puede observar al microscopio, así como las capas de diferentes metales en dichas partículas. Las investigaciones han demostrado que la actividad catalítica de las partículas puede verse influenciada por cambios en el número de capas de metal", afirmó Ilya Chepkasov, el autor principal del estudio. estudio e investigador científico senior en el Centro de Transición Energética de Skoltech.

Los autores han identificado varios problemas a los que instan a prestar atención en futuros estudios. El problema de descubrir la composición de las superficies de las partículas núcleo-capa hace que sea más difícil comprender la relación entre su estructura y propiedades. Para mejorar la síntesis de partículas bimetálicas núcleo-cubierta, es fundamental conocer la composición de su superficie.

El equipo también señaló que el estudio de nanomateriales requiere nuevos métodos teóricos para predecir las propiedades de compuestos que aún no han sido estudiados experimentalmente y ni siquiera han sido sintetizados.

Una de las formas más efectivas de hacerlo es utilizar los avances modernos en el campo de la inteligencia artificial, por ejemplo, modelos de aprendizaje automático basados ​​y sin descriptores, para predecir las propiedades necesarias. Las redes neuronales gráficas se pueden utilizar para decodificar la estructura atómica de una nanopartícula y determinar las relaciones entre su estructura y propiedades.

"Nuestra revisión no es sólo una descripción sistemática de estudios anteriores, es un análisis de datos obtenidos previamente y una discusión detallada de las áreas prometedoras que hemos identificado en base a estos datos. Hay muchas direcciones importantes. Una de ellas es el desarrollo de Los nuevos métodos predictivos basados ​​en IA ayudarán a determinar de forma rápida y precisa las propiedades deseadas de las futuras nanopartículas que pueden usarse como catalizadores para diversos procesos químicos", dijo Alexander Kvashnin, coautor del estudio y profesor de la Universidad de Energía. Centro de transición en Skoltech.