Edistysaskel metallinanopartikkelien rakenteiden ennustamisessa tekoälyn avulla

Jyväskylän yliopiston Nanotiedekeskuksen ja informaatioteknologian tiedekunnan tutkijat ovat saavuttaneet merkittävän edistysaskeleen metallinanopartikkelien rakenteiden ennustamisessa. Tutkimus osoittaa, kuinka nanopartikkelien pintaa suojaavan molekyylikerroksen ja metallin välisiä rajapintarakenteita voidaan tutkia käyttäen uutta menetelmää, joka "oppii" ennustamaan molekyylien paikkoja metallin päällä. Menetelmä hyödyntää tekoälyä ja aiemmin julkaistua kokeellista tietoa vastaavanlaisten rajapintojen atomirakenteista. Tutkimuksen tietokonesimuloinnit tehtiin CSC – Tieteen tietotekniikan keskuksen ja espanjalaisen Barcelonan supertietokonekeskuksen BSC:n supertietokoneilla. BSC:n laskentaresurssit tutkimukseen myönnettiin PRACE-tutkimusinfrastruktuurin (Partnership for Advanced Computing in Europe) kautta.

Menetelmän avulla voidaan ennustaa periaatteessa mitä tahansa metalleista ja molekyyleistä koostuvia nanometrimittaluokan rakenteita, mikäli vastaavista systeemeistä on jo olemassa mitattua rakennetietoa. Tutkimus julkaistiin Nature Communications -sarjassa 3.9.2019. Tutkimus rahoitettiin Suomen Akatemian AIPSE-tutkimusohjelmasta, jossa tutkitaan tekoälyn sovelluksia fysikaalisissa tieteissä ja insinööritieteissä. Nanometri-mittaluokan metallinanopartikkeleilla on useita sovelluksia esimerkiksi katalyysissä, nanoelektroniikassa, nanolääketieteessä ja biologisessa kuvantamisessa.

– Kehittämämme menetelmän taustalla oleva perusidea on hyvin yksinkertainen. Atomien väliset kemialliset sidokset ovat suunnaltaan ja pituudeltaan aina hyvin määriteltyjä jokaisen atomin lähiympäristössä, joten jokainen tunnettu partikkelirakenne kertoo jotain oleellista metalli–molekyyli-rajapinnan kemiasta. Tekoälyn kannalta mielenkiintoinen kysymys onkin se, kuinka paljon näitä jo tunnettuja partikkelien rakenteita pitää olla olemassa, jotta rakenne-ennustukset uusille, ennestään tuntemattomille partikkeleille ovat luotettavia? Näyttää siltä, että tarvitsemme vain muutamia kymmeniä rakenteita, kommentoi artikkelin kärkikirjoittaja, yliopistotutkija Sami Malola Jyväskylän yliopiston Nanotiedekeskuksesta Suomen Akatemian tiedotteessa.

– Tutkimuksen seuraavassa vaiheessa rakennamme tehokkaita koneoppimiseen perustuvia atomien vuorovaikutusmalleja, joiden avulla voimme tutkia esimerkiksi sitä, kuinka partikkelit reagoivat keskenään tai kuinka ne voivat toimia katalyytteinä tai lääkemolekyylien kuljettimina, jatkaa tutkimusta johtanut akatemiaprofessori Hannu Häkkinen.

– Tämä on merkittävä askel Jyväskylän yliopiston uuden monitieteisen tutkimusyhteistyön piirissä. Tekoälyn ja koneoppimisen menetelmien kehittäminen ja soveltaminen nanotieteen tutkimusongelmiin, kuten esimerkiksi uusien nanomateriaalien rakenteiden ennustamiseen, tulee varmasti jatkossakin tuottamaan merkittäviä uusia läpimurtoja, kommentoi Häkkisen yhteistyökumppani, professori Tommi Kärkkäinen Jyväskylän yliopiston informaatioteknologian tiedekunnasta.

Malolan, Häkkisen ja Kärkkäisen lisäksi tutkimuksessa olivat mukana yliopistonopettaja, tohtori Paavo Nieminen, tutkijakoulutettava Antti Pihlajamäki ja tutkijatohtori Joonas Hämäläinen.

Molekyyleillä suojattujen metallinanopartikkelien rakenteitten ennustaminen on periaatteessa samanlainen ongelma kuin tyhjäksi puhalletun voikukan untuvien lisääminen takaisin kukkaan. Mitkä ovat optimaaliset paikat lisätä molekyylit (harmaa molekyylikerros) metalliytimen päälle (tässä kulta, oranssit atomit)? (Grafiikka: Sami Malola, Jyväskylän yliopisto)