Um estudante de física da West Virginia University criou um novo modelo de aprendizado de máquina que tem o potencial de tornar mais eficiente a busca por energia e materiais ambientais.

Gihan Panapitiya, um estudante de doutorado do Sri Lanka, publicou um estudo no Jornal da American Chemical Society usando o modelo para prever as energias de adsorção, ou capacidades adesivas, em nanopartículas de ouro.

"O aprendizado de máquina recentemente ganhou destaque, e queríamos fazer algo ligando o aprendizado de máquina a nanopartículas de ouro como catalisadores. Quando estava pensando em uma área de pesquisa, Eu descobri que prever as energias de adsorção desta propriedade de partícula é muito difícil, e o conhecimento sobre energias de adsorção é importante para aplicações catalíticas em energia, aplicações ambientais e até mesmo biomédicas, "Panapitiya disse." Pensei que se pudesse usar o aprendizado de máquina para prever essas energias de adsorção sem muita dificuldade, que permitiria aos pesquisadores encontrar facilmente nanopartículas com as propriedades desejadas para uma determinada aplicação. "

Apresentado na capa de 19 de dezembro, Edição de 2018 de Jornal da American Chemical Society , Panapitiya e seus co-autores usaram as propriedades geométricas do ouro, incluindo o número de ligações e átomos, para testar o modelo. Eles obtiveram uma taxa de previsão de precisão de 80 por cento, a maior taxa possível para modelos de aprendizado de máquina que calculam nanopartículas de energias de adsorção com base apenas em propriedades geométricas.

"Fornecemos ao algoritmo de aprendizado de máquina dados completamente invisíveis para que, se for treinado, ele pode reconhecer e encontrar a energia de adsorção apenas com base nas características que não viu, "Panapitiya disse." Usando apenas propriedades geométricas, você não precisa fazer nenhum cálculo. Isso torna o processo de previsão muito rápido e fácil de replicar. "

Eles também testaram o algoritmo com diferentes tipos e tamanhos de nanopartículas para demonstrar que o modelo tem a mesma precisão de predição para qualquer nanopartícula de qualquer tamanho e forma.

"Os esforços de pesquisa significativos de Gihan valeram a pena em termos de resultados verdadeiramente surpreendentes, e merecidamente, "disse o professor de física James P. Lewis, Conselheiro de pesquisa de Panapitiya. "Nanocatalisadores bimetálicos à base de ouro fornecem maior sintonia em nanoestruturas e composições químicas que permitem melhorias em sua reatividade, seletividade e estabilidade para atingir as eficiências catalíticas desejadas. A previsão correta de suas propriedades impulsionará os avanços tecnológicos. "

Nanopartículas de ouro são comumente usadas como catalisadores para aplicações ambientais e de energia e em aplicações biomédicas, como bioimagem e biomarcação.

"Por exemplo, nanopartículas de ouro podem ser usadas como rótulos fluorescentes para aplicações de imagem biológica. A bioimagem é essencial para compreender a natureza e a propagação de uma doença como o câncer. Quando as células cancerosas humanas podem interagir com nanopartículas de ouro, as nanopartículas se ligam às células cancerosas, que é chamado de biomarcação, "Panapitiya disse." Depois de algum tempo de apego, as células cancerosas emitem luminescência, que podem ser coletados para criar imagens dessas células cancerosas. "