El aprendizaje automático topológico revela vías de reacción ocultas en la síntesis de nanocristales

Área de la Ciencia:

• Ciencias de los materiales
• Ingeniería Química
• Química computacional

Sus antecedentes:

• El análisis de las vías de reacción en la síntesis de nanocristales es desafiante debido a los intermedios transitorios y las limitaciones de los métodos convencionales.
• El análisis espectral manual es subjetivo y puede pasar por alto eventos de reacción cruciales.
• El desarrollo de enfoques objetivos basados en datos es esencial para la comprensión mecanicista.

Objetivo del estudio:

• Presentar un nuevo marco de aprendizaje automático para elucidar las vías de reacción directamente a partir de datos espectroscópicos en bruto.
• Para superar las limitaciones de la interpretación manual en el análisis mecanicista.
• Permitir el descubrimiento objetivo de los intermediarios de reacción y la selección de la vía.

Principales métodos:

• Integración del aumento de datos basado en transformadores con el aprendizaje de variedades topológicas.
• Análisis directo de los datos espectroscópicos en bruto de alta dimensión (UV-vis).
• Aplicación a los conjuntos de datos ex situ de la síntesis de nanocristales de arseniuro de indio.

Principales resultados:

• Reconstrucción del paisaje de reacción completo para la síntesis de nanocristales.
• Identificación de productos intermedios metestables no declarados anteriormente.
• Demostración de cómo los aditivos químicos influyen en la formación intermedia y en la selección de la vía.

Conclusiones:

• El marco de aprendizaje topológico aclara objetivamente las vías de reacción a partir de datos espectroscópicos.
• Este enfoque proporciona una estrategia generalizable para el descubrimiento mecanicista y el control predictivo en sistemas químicos complejos.
• El método identificó con éxito nuevos intermedios y modulación de vías en la síntesis de nanocristales de arseniuro de indio.