Wetenschappers over de hele wereld zijn geïnteresseerd in het ontwikkelen van nieuwe materialen om mensen te helpen een duurzamer en gezonder leven te leiden, maar de zoektocht om deze materialen te produceren vereist gedetailleerde kennis van de mysterieuze structuren van de moleculen waaruit ze zijn gemaakt. Ontwerpers willen verspillend plastic vervangen door duurzame plantaardige stoffen, maar dit kan een uitdaging zijn zonder kennis van de moleculaire structuur van plantenstoffen. Een nieuwe techniek die is ontwikkeld aan de Aalto University moet onderzoekers in staat stellen deze essentiële informatie te verkrijgen.

Om dit te behalen, de onderzoekers combineerden een veelgebruikte techniek voor materiaalanalyse met kunstmatige intelligentie. Atomic Force Microscopy (AFM) gebruikt een ongelooflijk fijne naald om de grootte en vorm van objecten met nanometergrootte te meten, en kan al worden gebruikt om de structuur van flat te meten, pannenkoekachtige vlakke moleculen. Door een kunstmatige intelligentie-algoritme te trainen op veel AFM-gegevens, wetenschappers kunnen nu complexere moleculen identificeren met spannende toepassingen in de echte wereld.

Het team kan nu foto's maken van een enkele, 3-dimensionale moleculen, met voldoende details om de verschillende chemische eigenschappen van verschillende delen van het molecuul te begrijpen. Het werk werd uitgevoerd door onderzoekers van Aalto University, onder leiding van Akademiehoogleraar Peter Liljeroth, en professoren Adam S. Foster en Juho Kannala; en werd onlangs gepubliceerd in het tijdschrift wetenschappelijke vooruitgang .

"De methode die onderzoekers momenteel gebruiken, raadt de structuur, simuleert AFM-beelden en kijk of de gok correct was. Als er veel mogelijkheden zijn, dit is traag en moeilijk, en uiteindelijk kan men er niet zeker van zijn dat aan alle mogelijke structuren is gedacht, " legt Peter Liljeroth uit.

De onderzoekers gebruikten een goed begrepen biomolecuul genaamd 1S-kamfer, dat een bekende atomaire structuur heeft en, als bioproduct van de houtindustrie, is vergelijkbaar met veel van de moleculen waarin andere Aalto-onderzoekers geïnteresseerd zijn voor het produceren van duurzame producten. Met behulp van een combinatie van machine learning en AFM-simulaties, Het team van professor Foster ontwikkelde een diepgaand leersysteem dat een reeks AFM-beelden matcht met hun moleculaire structuur. Eerst, het machine learning-systeem is getest op gesimuleerde AFM-gegevens, het analyseren van verschillende moleculen met vlakke en niet-vlakke geometrieën. Om te testen of het werkte, experimentele gegevens werden gebruikt met opwindende resultaten:de AI was in staat om betrouwbaar en snel AFM-beelden van complexe 3D-moleculen te interpreteren en te zeggen wat hun chemische eigenschappen zouden zijn.

Benjamin Alldritt, de eerste auteur van het artikel legt uit:"Dit onderzoek is opwindend omdat het ons nieuwe manieren geeft om materialen te begrijpen met behulp van huidige experimenten. Door machine learning te combineren met AFM, we kunnen beelden van 3D-structuren begrijpen die we eerder niet konden. Aanvullend, deze nieuwe methode is sneller dan reeds bestaande methoden om uit te werken hoe moleculen op het oppervlak zitten, en het is sneller en betrouwbaarder dan menselijke experts voor deze taak."