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.

Машинное обучение и ИИ 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 так далее), 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 тормозит 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.