Merkittävä edistysaskel metallinanopartikkelien rakenteiden ennustamisessa

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 hyödyntäen jo julkaistua kokeellista tietoa vastaavanlaisten rajapintojen atomirakenteista. 

Menetelmän avulla voidaan ennustaa periaatteessa mitä tahansa metalleista ja molekyyleistä koostuvia nanometrimittaluokan rakenteita, mikäli vastaavista systeemeistä on jo olemassa mitattua rakennetietoa. Tutkimus rahoitettiin Suomen Akatemian AIPSE-tutkimusohjelmasta, jossa tutkitaan tekoälyn sovelluksia fysikaalisissa tieteissä ja insinööritieteissä. Se julkaistiin Nature Communications -sarjassa 3.9.2019.

Nanometri-mittaluokan metallinanopartikkeleilla on useita sovelluksia esimerkiksi katalyysissä, nanoelektroniikassa, nanolääketieteessä ja biologisessa kuvantamisessa. Partikkelien toiminnallisuuden kannalta on usein tärkeää tietää partikkelin tarkka atomirakenne.

Partikkelit koostuvat keskellä olevasta metalliosasta ja sitä suojaavasta molekyylikerroksesta. Nanopartikkelien metalliosan rakenteita pystytään kuvaaman jo yksittäisten atomien tasolla uusilla tarkoilla elektronimikroskoopeilla, mutta ongelmana on, että keveiden atomien kuten hiilen, hapen ja typen muodostamaa molekyylikerrosta ei näillä tekniikoilla pystytä näkemään.

Jyväskylän yliopiston tutkijoiden kehittämä algoritmi auttaa muodostamaan tarkan atomistisen simulointimallin koko partikkelin rakenteesta, jolloin simulointien avulla voidaan tutkia metalli–molekyyli-rajapintaa sekä molekyylikerroksen ulkopinnan rakennetta ja vuorovaikutuksia ympäristön kanssa. Algoritmi pystyy myös luokittelemaan rakenne-ennustuksia laskemalla niille hyvyyslukuja, jotka saadaan vertaamalla ennustetuista rakenteista laskettuja fysikaalisia ominaisuuksia kokeellisiin mittauksiin.

”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.

”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.

Häkkisen yhteistyökumppani, professori Tommi Kärkkäinen Jyväskylän yliopiston Informaatioteknologian tiedekunnasta kommentoi: ”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.”

Malolan, Häkkisen ja Kärkkäisen lisäksi tutkimuksessa olivat mukana yliopistonopettaja Paavo Nieminen, tutkijakoulutettava Antti Pihlajamäki ja tutkijatohtori Joonas Hämäläinen. Tutkimuksen tietokonesimuloinnit tehtiin Tieteen tietotekniikan keskuksen CSC:n ja Barcelonan supertietokonekeskuksen BSC:n tietokoneilla.

 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)