Ученые Университета ИТМО разработали алгоритм, который автоматически определяет размеры, форму, структуру поверхности наноматериалов и формирует их индивидуальных цифровых двойников. Разработка позволит строить более эффективные предсказательные модели в области материаловедения, а также осуществлять обратный дизайн структур от их свойств к способу получения. Это придаст импульс созданию новых материалов с заранее заданными текстурными свойствами для биомедицины, оптики и биотехнологии.
Фото наночастиц карбоната кальция
Фото: news.itmo.ru
Машинное обучение и искусственный интеллект активно используются в органической и медицинской химии, однако до сих пор существует большой недостаток данных о наноматериалах, а также их цифровых представлений.
Морфология, то есть распределение по размерам, форма и структура поверхности описываются существующими инструментами неполно. Например, зачастую форму частиц обозначают тривиальными названиями (сферическая, кубическая и т. д.), которые не только не несут количественной информации о форме, но и не позволяют судить о схожести/различиях между разными формами. Размеры описываются средним значением и иногда его разбросом, чего недостаточно для характеризации большинства систем. Структура поверхности не учитывается совсем. Отсутствие системного подхода к параметризации и упрощенное описание изучаемых систем тормозят появление эффективных инструментов для поиска новых наноматериалов с исключительными свойствами, а также исследований в этой сфере, в том числе с использованием методов искусственного интеллекта.
Новый метод ученых Университета ИТМО позволит решить эту проблему. Исследователи разработали алгоритм, который всесторонне описывает морфологию наноматериалов, находит похожие по свойствам и подсказывает параметры синтеза для разработки новых структур по желаемым характеристикам.
Алгоритм анализирует изображение наноматериала с электронного микроскопа, экстрагирует (то есть извлекает) нужные характеристики и затем составляет списки параметров, представленных в виде числовых значений.
Обычно подобная подготовительная работа проводится вручную: ученому приходится просматривать множество статей в поиске нужных параметров и синтетических процедур (концентрация веществ, температура, при которой может быть синтезирован наноматериал).
Для проверки алгоритма исследователи ИТМО использовали собственную базу данных синтезов карбоната кальция. Это вещество часто встречается в природе: у многих живых существ из него состоят панцири, и это неслучайно. С точки зрения химического синтеза это довольно простой материал, его легко видоизменять и получать структуры с очень разнообразной и сложной морфологией. Затем ученые продемонстрировали работоспособность системы на данных по синтезу наночастиц золота, экстрагированных из научных статей.
Контроль над морфологическими параметрами наночастиц необходим, чтобы определять их поведение в живом организме, токсичность, безопасность, а также разрабатывать перспективные материалы для биомедицины, терапии, биотехнологии.
Ученые планируют продолжить работу над предсказательной моделью, проверить ее на практике, осуществить синтез отсутствующей в базе данных системы по рекомендациям модели, а также расширить базу данных и сделать общедоступный и удобный ресурс для пользования по всему миру.
Работа выполнена при поддержке программы «Приоритет 2030».
Никита Серов, аспирант ИТМО:
— Наноматериалы активно используются для разработки «умных» систем доставки лекарств. Контроль параметров наноматериалов позволяет настраивать время их циркуляции в кровотоке, селективность накопления в органах и тканях, кинетику высвобождения лекарственных веществ и другие важные параметры. Также данные материалы востребованы в области физики и фотоники, в биотехнологических процессах.
По сути дела, общей классификации наноматериалов не существует до сих пор. Морфология частиц везде описывается скудно. Форма частиц описывается качественно (и даже в названиях нет унификации, каждый называет формы как вздумается); все многообразие размеров — одним средним значением, никак не учитывающим сложность структуры; структура поверхности наноматериалов же не учитывается вовсе.
Цифровые двойники наноматериалов позволяют описать наноматериал (или его часть) и в какой-то степени предполагать его характеристики еще до проведения каких-либо экспериментов. Цифровой двойник наноматериала можно сравнить с фотографией: он несет часть информации об объекте, исходя из которой можно делать предположения о свойствах этого объекта.
Алгоритм устроен очень просто. Он выжимает из фотографий наноматериалов только самую важную информацию, создает этого самого цифрового двойника. Этот цифровой двойник уникален для каждого образца, но чем более похожи два наноматериала, тем более похожи эти двойники. Таким образом, алгоритм может посредством цифровых двойников сравнивать наноматериалы и искать наиболее похожие.
Контроль этих параметров очень важен, поскольку от них сильно зависят свойства конечного материала. Эти параметры определяют поведение наноматериалов в живом организме, что важно для нанофармацевтики: их оптические свойства, интересные в контексте физики и фотоники, и т. д.
Несмотря на то что алгоритм в первую очередь создан для нанотехнологов, химиков и физиков, его применение в прикладных областях в перспективе позволит разрабатывать более эффективные материалы, окружающие нас в быту, препараты селективного действия, оптические устройства. Таким образом, алгоритм носит двойное фундаментально-прикладное значение: с одной стороны, предлагается новый, унифицированный метод классификации материалов и количественного описания их важных свойств, сейчас практически не учитываемых; с другой стороны, при помощи этого алгоритма предлагается новый метод разработки наноматериалов с интересными нам свойствами.