AI Lights Up ‘nanodeeltjes, onthullend verborgen atoomdynamiek

Een team van wetenschappers heeft een methode ontwikkeld om het dynamische gedrag van nanodeeltjes te verlichten, die fundamentele componenten zijn bij het creëren van geneesmiddelen-, elektronica- en industriële en energie-conversiematerialen. De opmars, gemeld in het dagboek Wetenschapcombineert kunstmatige intelligentie met elektronenmicroscopie om visuals weer te geven van hoe deze kleine stukjes materie reageren op stimuli.

“Op nanodeeltjes gebaseerde katalytische systemen hebben een enorme impact op de samenleving”, legt Carlos Fernandez-Granda, directeur van NYU’s Center for Data Science en een professor in wiskunde en data science, een van de auteurs van het artikel.

“Naar schatting is 90% van alle gefabriceerde producten met katalytische processen ergens in hun productieketen. We hebben een methode voor kunstmatige intelligentie ontwikkeld die een nieuw venster opent voor het verkennen van structurele dynamiek op atoomniveau in materialen.”

Het werk, dat ook onderzoekers van de Arizona State University, Cornell University en de Universiteit van Iowa omvatte, combineert elektronenmicroscopie met AI om wetenschappers in staat te stellen de structuren en bewegingen van moleculen te zien die een miljardste van een meter in grootte zijn op een ongekende tijdsverlichting.

“Elektronenmicroscopie kan beelden vastleggen met een hoge ruimtelijke resolutie, maar vanwege de snelheid waarmee de atomaire structuur van nanodeeltjes verandert tijdens chemische reacties, moeten we gegevens verzamelen met een zeer hoge snelheid om hun functionaliteit te begrijpen,” legt Peter A. Crozier, een professor van materiaalwetenschappen en engineering aan de Arizona State University en een van de auteurs van de papieren.

“Dit resulteert in extreem lawaaierige metingen. We hebben een methode voor kunstmatige intelligentie ontwikkeld die leert hoe deze ruis-automatisch kan worden verwijderd-de visualisatie van belangrijke dynamiek op atoomniveau mogelijk maken.”

Het observeren van de beweging van atomen op een nanodeeltje is cruciaal om de functionaliteit in industriële toepassingen te begrijpen. Het probleem is dat de atomen nauwelijks zichtbaar zijn in de gegevens, dus wetenschappers kunnen niet zeker weten hoe ze zich gedragen – het equivalent van het volgen van objecten in een video die ’s nachts met een oude camera is genomen.

Om deze uitdaging aan te gaan, hebben de auteurs van het papier een diep neuraal netwerk getraind, AI’s computationele engine, die de elektronen-microscoopbeelden kan “oplichten”, waardoor de onderliggende atomen en hun dynamische gedrag worden onthuld.

“De aard van veranderingen in het deeltje is uitzonderlijk divers, inclusief fluxionale perioden, die zich manifesteren als snelle veranderingen in de atomaire structuur, deeltjesvorm en oriëntatie; het begrijpen van deze dynamiek vereist nieuwe statistische hulpmiddelen,” legt David S. Matteson uit, “, een professor en geassocieerde voorzitter van de Cornell University’s Department of Statistics and Data Science, directeur van het nationale instituut van de nationale instituut van de nationale instituut van de nationale instituut van de nationale instituut van de nationale instituut van de nationale instituut van de nationale instituut van het nationale instituut van de nationale instituut, en een van de papieren auteurs.

“Deze studie introduceert een nieuwe statistiek die gebruik maakt van topologische gegevensanalyse om zowel fluxionaliteit te kwantificeren als om de stabiliteit van deeltjes bij te houden terwijl ze overgaan tussen geordende en ongeordende toestanden.”