En fysikstudent vid West Virginia University har skapat en ny maskininlärningsmodell som har potential att göra sökandet efter energi- och miljömaterial effektivare.
Gihan Panapitiya, en doktorand från Sri Lanka, publicerade en studie i Journal of the American Chemical Society använda modellen för att förutsäga adsorptionsenergierna, eller vidhäftande egenskaper, i guld nanopartiklar.
"Maskininlärning kom nyligen i rampljuset, och vi ville göra något som kopplar samman maskininlärning med guldnanopartiklar som katalysatorer. När jag funderade på ett forskningsområde, Jag fann att det är mycket svårt att förutsäga adsorptionsenergier för denna partikelegenskap, och kunskapen om adsorptionsenergier är viktig för katalytiska tillämpningar inom energi, miljömässiga och till och med biomedicinska tillämpningar, " sa Panapitiya. "Jag tänkte om jag kunde använda maskininlärning för att förutsäga dessa adsorptionsenergier utan större svårighet, som skulle göra det möjligt för forskare att enkelt hitta nanopartiklar med önskade egenskaper för en given applikation."
Visas på omslaget till den 19 december, 2018 års nummer av Journal of the American Chemical Society , Panapitiya och hans medförfattare använde guldets geometriska egenskaper, inklusive antalet bindningar och atomer, att testa modellen. De fick en förutsägelsegrad på 80 procent, den högsta möjliga hastigheten för maskininlärningsmodeller som beräknar adsorptionsenergier för nanopartiklar endast baserat på geometriska egenskaper.
"Vi ger maskininlärningsalgoritmen helt osynlig data så att om den tränas, den kan känna igen och hitta adsorptionsenergin endast baserat på de egenskaper den inte har sett, ", sa Panapitiya. "Genom att bara använda geometriska egenskaper, du behöver inte göra några beräkningar. Det gör förutsägelseprocessen mycket snabb och enkel att replikera."
De testade också algoritmen med olika typer och storlekar av nanopartiklar för att visa att modellen har samma prediktionsnoggrannhet för alla nanopartiklar oavsett storlek och form.
"Gihans betydande forskningsinsatser har gett resultat i form av verkligt fantastiska resultat, och välförtjänt, " sa professor i fysik James P. Lewis , Panapitiyas forskningsrådgivare. "Guldbaserade bimetalliska nanokatalysatorer ger större avstämningsbarhet i nanostrukturer och kemiska sammansättningar som möjliggör förbättringar i deras reaktivitet, selektivitet och stabilitet för att uppnå den önskade katalytiska effektiviteten. Att korrekt förutsäga deras egenskaper kommer att driva tekniska framsteg."
Guldnanopartiklar används ofta som katalysatorer för energi- och miljötillämpningar och i biomedicinska tillämpningar som bioavbildning och biomärkning.
"Till exempel, guld nanopartiklar kan användas som fluorescerande etiketter för biologiska avbildningstillämpningar. Bioimaging är avgörande för att förstå naturen och spridningen av en sjukdom som cancer. När mänskliga cancerceller tillåts interagera med guld nanopartiklar, nanopartiklarna fäster vid cancerceller, som kallas biomärkning, " sade Panapitiya. "Efter en tid av fasthållande, cancercellerna avger luminescens, som kan samlas in för att avbilda dessa cancerceller."
