AI与原子力显微镜联合，直接获得原子结构分析效果

研究人员开发了以最小尺度研究质料的新方法

世界各地的科学家都对开发新型质料感兴趣，以资助人们过上更可连续、更康健的生活，可是要生产这些质料，需要对它们所组成的分子的神秘结构有详细的相识。设计人员希望用可连续的植物衍生化合物取代浪费的塑料，可是如果不相识植物化合物的分子结构，这将是一个挑战。阿尔托大学（Aalto University）开发的一项新技术应使研究人员能够获得这些基本信息。

为了实现这一目的，研究人员将通用的质料分析技术与人工智能相联合。原子力显微镜（AFM）使用难以置信的细针来丈量纳米级物体的巨细和形状，而且已经可以用于丈量扁平的薄饼状平面分子的结构。通过在大量AFM数据上训练人工智能算法，科学家现在可以通过令人兴奋的现实应用来识别更庞大的分子。

AFM成像历程的示意图以及逆成像问题的建议解决方案

该团队现在能够拍摄单个3维分子的图像，并具有足够的细节，从而有可能相识分子差别部门的差别化学性质。这项事情是由阿尔托大学的研究人员在学院教授彼得·利耶罗斯（Peter Liljeroth）以及亚当·福斯特（Adam S. Foster）和朱霍·坎纳拉（Juho Kannala）教授的领导下完成的。最近揭晓在“科学希望”杂志上。

“研究人员现在使用的方法是推测结构，凭据AFM图像模拟并检查推测是否正确。当存在多种可能性时，这是缓慢而难题的，最终人们无法确定是否想到了所有可能的结构。”彼得·利耶罗斯解释说。

研究人员使用了一种称为1S-camphor（樟脑）的生物分子，该分子具有众所周知的原子结构，而且作为木料工业的生物产物，与其他阿尔托研究人员对生产可连续产物感兴趣的许多分子相似。通过联合机械学习和AFM模拟，福斯特教授的团队开发了一种深度学习系统，该系统将一组AFM图像与其分子结构相匹配。首先，在模拟的AFM数据上测试了机械学习系统，分析了具有平面和非平面几何形状的种种分子。为了测试其有效性，使用了大量实验数据并取得了令人兴奋的效果：AI能够可靠、快速地解释庞大3-D分子的AFM图像，并说明其化学性质。

AFM图像，模拟图像和原子结构分析效果

该论文的第一作者本杰明·奥尔德里特（Benjamin Alldritt）解释说：“这项研究令人兴奋，因为它为我们提供了使用当前实验方法相识质料的新方法。通过将机械学习与AFM相联合，我们可以相识以前无法实现的3-D结构图像。此外，这种新方法在确定分子在外貌上的位置方面比现有方法要快，而且比人类专家更快，更可靠。