通过基于物理的生成AI学习液相TEM中纳米粒子的扩散
Zain Shabeeb1, Naisargi Goyal1, Pagnaa Attah Nantogmah1
1School of Chemical and Biomolecular Engineering, Georgia Institute of Technology, 311 Ferst Drive NW, Atlanta, GA, 30332, USA.
Nature communications
|July 8, 2025
概括
我们开发了LEONARDO,一个深度学习模型,用先进的显微镜分析液体环境中的纳米粒子运动. 这种方法解码了分子相互作用而不需要传统的物理方程,揭示了复杂的流体特性.
科学领域:
- 纳米科学和纳米技术
- 软物质物理学 软物质物理学
- 机器学习在科学中的应用.
背景情况:
- 研究液体中的纳米粒子运动为分子层次相互作用提供了洞察力.
- 液相传导电子显微镜 (LPTEM) 捕获实时纳米粒子动态.
- 建模纳米粒子运动是复杂的,特别是没有确立的物理方程.
研究的目的:
- 介绍 LEONARDO,一种用于分析 LPTEM 中纳米粒子运动的新型深度生成模型.
- 为克服将观察到的运动与潜在的分子相互作用联系起来所面临的挑战.
- 在不依赖闭式朗格温方程的情况下解释交互力.
主要方法:
- 利用了具有物理知情损失函数的深度生成模型.
- 采用基于注意力的变压器架构来学习随机运动.
- 将模型应用于从LPTEM获得的纳米粒子轨迹.
主要成果:
- 莱昂纳多成功地学习了纳米粒子运动的统计性质.
- 该模型捕获了环境异质性和粘性弹性的特征.
- 证明了模拟复杂的随机过程的能力.
结论:
- 莱昂纳多为分析复杂流体中纳米粒子动态提供了一种强大的新方法.
- 该模型有助于更深入地了解纳米级相互作用和材料特性.
- 基于物理的机器学习可以解决传统建模技术的局限性.
