2020年6月10
芬兰Jyväskylä大学纳米科学中心和信息技欧洲杯线上买球术学院的研究人员已经证明，Jyväskylä大学开发的基于距离的新机器学习方法能够可靠地预测纳米颗粒的结构和原子动力学。欧洲杯猜球平台
新方法比用于纳米粒子研究的传统模拟方法速度快得多，并将促进更有效地探索粒子-粒子反应和粒子在其环境中的功能。欧洲杯猜球平台这项研究发表在《泰晤士报》的机器学习特刊上物理化学杂志2020年5月15日。
新方法被应用于配体稳定的金属纳米颗粒，这是Jyväskylä大学纳米科学中心长期研究的。欧洲杯猜球平台欧洲杯线上买球去年，研究人员发表了一种能够成功预测稳定配体分子在纳米颗粒表面的结合位点的方法。
现在，一种新的工具被创造出来，它可以可靠地根据粒子的原子结构预测势能，而不需要使用数值重的电子结构计算。该工具有助于对高温下粒子的原子动力学进行蒙特卡罗模拟。欧洲杯猜球平台
在计算纳米科学中，系统的势能是一个基本的量，因为它可以定量评价系统的稳定性、化学反应速率和原子间键的强度。欧洲杯线上买球
配体稳定的金属纳米粒子具有多种化学强度不同的原子间键，传统欧洲杯猜球平台上，能量评估是通过所谓的密度泛函理论(DFT)进行的，这往往导致需要使用超级计算机进行大量数值计算。
这就排除了对纳米粒子功能的有效模拟，例如，作为催化剂，或与蛋白质、病毒或DNA等生物物体的相互作用。欧洲杯猜球平台机器学习方法，一旦训练为可靠的系统建模，可以将模拟速度提高几个数量级。
新方法允许模拟在笔记本电脑或台式机上运行
在这项工作中，研究人员使用机器学习方法预测的势能，来模拟硫醇稳定的金纳米颗粒的原子动力学。欧洲杯猜球平台结果与用密度泛函理论进行的模拟结果吻合较好。
新方法允许模拟在几个小时的时间尺度上在笔记本电脑或台式机上运行，而参考DFT模拟需要在超级计算机上运行几天，同时使用数百甚至数千个计算机核。加速将允许长时间模拟粒子的结构变化和在高温下的粒子-粒子反应。欧洲杯猜球平台
研究人员使用了一种基于距离的机器学习方法，该方法是由Tommi教授研究组开发的，网址是Jyväskylä。它通过计算所谓的描述子来描述纳米粒子的每个瞬时原子构型，并在多维数值空间中比较描述子之间的距离。
通过使用与参考DFT模拟生成的训练集的相关性，可以预测势能。这种方法现在首次用于纳米粒子研究，比传统使用的神经网络更简单、更透明。
“这是非常鼓舞人心的，我们可以将在超级计算机上运行模拟的计算负载减少到在笔记本电脑或家用PC上以类似的质量运行它们”，该研究的主要作者、博士生Antti Pihlajamäki说。
“我们相对简单的机器学习方法对复杂的纳米结构如此有效，这令人非常惊讶”，Tommi教授Kärkkäinen说。
“在下一阶段，我们的目标是推广这种方法，使其适用于许多不同大小和化学成分的纳米颗粒。欧洲杯猜球平台我们仍然需要超级计算机来生成足够高质量的数据来训练机器学习算法，但我们希望在未来，我们可以将这些新方法主要用于研究复杂化学环境中的纳米粒子功能。”协调这项研究的汉努教授Häkkinen总结道。
这项研究的其他合著者包括大学研究员萨米·马洛拉、大学讲师帕沃·涅米宁、博士后研究员Joonas Hämäläinen和博士生Joakim Linja。这项工作是由芬兰科学院的AIPSE项目(物理科学和工程研究中的人工智能)资助的。欧洲杯线上买球
来源:https://www.jyu.fi/en