یادگیری ماشینی در علم محاسبات نانو استفاده می گردد - نکته های خرید

به گزارش نکته های خرید، ابزار محاسباتی مبتنی بر یادگیری ماشینی ارائه شده که با استفاده از آن می توان انرژی پیوند ها را در نانوذرات پایدار شده با لیگند پیش بینی کرد.

به گزارش گروه دانشگاه نکته های خرید، ابزار محاسباتی مبتنی بر یادگیری ماشینی ارائه شده که با استفاده از آن می توان انرژی پیوند ها را در نانوذرات پایدار شده با لیگند پیش بینی کرد.

پژوهشگران مرکز علوم نانو دانشکده فناوری اطلاعات در دانشگاه جیویسکلیک فنلاند ننشان دادند که می توان از روش های یادگیری ماشینی برای پیش بینی ساختار ها و پویایی اتمی نانوذرات استفاده کرد.

آن ها فناوری را ارائه کردند که به طور قابل ملاحظه ای سریع تر از روش های شبیه سازی رایج بوده و می توان از آن برای تحقیقات روی نانوذرات استفاده کرد و کاوش های کارآمدتر برای آنالیز واکنش های میان نانوذرات و عملکرد آن ها در محیط های مختلف انجام داد.

این روش جدید را می توان روی نانوذرات فلزی تثبیت شده با لیگند استفاده کرد. این کار در دانشگاه جیویسکلیک با استفاده از این فناوری صورت گرفته است.

سال گذشته، محققان روشی را ارائه کردند که قادر به پیش بینی موفقیت آمیز محل اتصال مولکول های لیگاند تثبیت نماینده روی نانوذرات بود. اکنون آن ها ابزاری جدید در اختیار دارند که می تواند بدون احتیاج به استفاده از محاسبات ساختار الکترونیکی بسیار سنگین، انرژی پتانسیل ساختار های اتمی ذرات را پیش بینی کند. این ابزار به مونت کارلو یاری می نماید تا دینامیک اتمی را در ذرات در دمای بالا شبیه سازی کند.

انرژی پتانسیل یک سیستم، یکی از پارامتر های کمّی در علم محاسباتی نانو است؛ چرا که این انرژی امکان ارزیابی کمی پایداری سیستم، نرخ واکنش های شیمیایی و استحکام پیوند های بین مولکولی را فراهم می نماید.

نانوذرات فلزی که با لیگند پایدار شده اند انواع مختلفی از پیوند های شیمیایی را داشته و برای محاسبه انرژی این پیوند ها با روش های رایج نظیر تئوری عامل دانسیته (DFT) احتیاج به محاسبات بسیار سنگین و متعدد است که در نتیجه ضروری است از ابرکامپیوتر ها استفاده نمود.

همین موضوع موجب شده تا شبیه سازی کارآمد برای درک ویژگی های نانوذرات، نظیر قابلیت آن ها در استفاده به عنوان کاتالیزور یا تعامل نانوذرات با ذرات زیستی مانند پروتئین، ویروس یا DNA با محدودیت هایی روبرو باشد.

پژوهشگران نشان دادند که استفاده از یادگیری ماشینی می تواند به مدل سازی سیستم ها یاری نموده و سرعت شبیه سازی را چند ده برابر تسریع کند.

این روش جدید امکان شبیه سازی روی لپتاپ یا رایانه را برای محققان فراهم می نماید و آن ها قادر خواهند بود تا انرژی پتانسیل پیوند ها را پیش بینی نمایند. این کار روی نانوذرات طلا که با گروه های تیول پایدار شده اند، صورت گرفته است.

نتایج این پروژه در نشریه Journal of Physical Chemistry به چاپ رسیده است