一组科学家开发了一种方法，可以照明纳米粒子的动态行为，而纳米粒子是制药、电子产品以及工业和能源转换材料的基础组件。这项进展在《科学》杂志上报道，结合了人工智能和电子显微镜，以呈现这些微小物质如何对刺激做出反应的视觉效果。
“基于纳米粒子的催化系统对社会有着巨大的影响，”纽约大学数据科学中心主任、数学和数据科学教授卡洛斯·费尔南德斯-格兰达（Carlos Fernandez-Granda）解释道，他是该论文的作者之一。“据了解，90%的所有制造产品在某个生产链中都涉及催化过程。我们开发了一种人工智能方法，为材料中原子级结构动态的探索开启了一扇新窗口。”
这项工作还包括来自亚利桑那州立大学、康奈尔大学和爱荷华大学的研究人员，结合电子显微镜和人工智能，使科学家能够以空前的时间分辨率观察到尺寸为十亿分之一米的分子的结构和运动。
“电子显微镜能够以高空间分辨率捕捉图像，但由于纳米粒子的原子结构在化学反应过程中变化的速度，我们需要以非常高的速度收集数据以理解它们的功能，”亚利桑那州立大学材料科学与工程教授、论文的作者之一彼得·A·克罗齐尔（Peter A. Crozier）解释道。“这会导致测量数据极其噪声化。我们开发了一种人工智能方法，可以自动学习如何去除这些噪声，从而使关键的原子级动态可视化。”
观察纳米粒子上原子的运动对理解工业应用中的功能至关重要。问题在于原子在数据中几乎不可见，因此科学家无法确定它们的行为——这相当于追踪用旧相机在夜间拍摄的录像中的目标。为了解决这个挑战，论文的作者们训练了一种深度神经网络，人工智能的计算引擎，能够“点亮”电子显微镜图像，揭示潜在的原子及其动态行为。
“粒子变化的性质异常多样，包括流动期，表现为原子结构、粒子形状和方向的快速变化；理解这些动态需要新的统计工具，”康奈尔大学统计与数据科学系教授、副主任、大数据信息研究所主任戴维·S·马特森（David S. Matteson）解释道，也是论文的作者之一。“本研究介绍了一种新的统计方法，利用拓扑数据分析来量化流动性，并跟踪颗粒在有序和无序状态之间转变的稳定性。”
这项研究得到了国家科学基金委员会的资助（OAC-1940263，OAC-2104105，CBET 1604971，DMR 184084，CHE 2109202，OAC-1940097，OAC-2103936，OAC-1940124，DMS-2114143）。
