Utilisation de l’automate cellulaire génératif pour étudier la morphogénèse chiral de l’or

Contexte et objectifs de l’étude

La chiralité est omniprésente dans la nature et peut être transmise et amplifiée entre les systèmes par des interactions moléculaires spécifiques et des couplages multiéchelles. Cependant, les mécanismes de formation de la chiralité et les étapes clés de son processus de croissance ne sont pas encore complètement compris. Dans cette étude, nous avons formé des réseaux neuronaux d’automate cellulaire génératif (cellular automata, CA) basés sur des résultats expérimentaux pour identifier deux voies distinguables de la morphogenèse des nanoparticules non chirales à chirales de l’or. La chiralité est initialement déterminée par la croissance asymétrique le long des frontières des plans de haute indexation énantiomères. L’explication de la génération de la morphologie chiral basée sur l’apprentissage profond non seulement fournit une compréhension théorique, mais nous permet également de prédire des chemins de croisement inédits et leurs morphologies résultantes.

Auteurs et instituts

Cet article a été publié par Sang Won Im, Dongsu Zhang, Jeong Hyun Han, Ryeong Myeong Kim, Changwoon Choi, Young Min Kim et Ki Tae Nam, impliquant les départements des sciences et de l’ingénierie des matériaux, l’Institut de recherche en nouveaux médias et communication, et le département de génie électrique et informatique de l’Université nationale de Séoul. L’article a été accepté et publié en ligne par Nature Materials.

Processus de recherche

Cette étude a révélé le processus de croissance morphologique des nanoparticules d’or de non chirale à chirale grâce à une série d’expériences et à la formation de modèles d’apprentissage profond. Le processus de recherche est comme suit:

a) Méthodes et algorithmes de recherche

1. Observations expérimentales:

   • Les graines initiales étaient des rhombic dodécaèdres (RD) de 50 nm entourés de faces {110}.
   • Une morphologie chiral intermédiaire (état intermédiaire H3) se forme lorsque les graines poussent jusqu’à 100 nm, présentant des sommets saillants et des bords courbés.
   • La morphologie chiral finale (H3) se forme à 150 nm, caractérisée par des cratères chiraux et une structure cubique au centre.

2. Développement du modèle d’automate cellulaire:

   • Utilisation de la méthode d’automate cellulaire génératif (GCA), le modèle est construit sur des réseaux neuronaux pour séquencer la transition vers la forme finale sans contraintes de règles préétablies.
   • Par un réseau neuronal convolutif épars (Sparse CNN), prédiction de la probabilité de transition locale de chaque cellule pour obtenir le mode de croissance de la surface des cristaux.

3. Processus de formation et d’inférence:

   • Le modèle a été formé par des images de croissance morphologique observées expérimentalement, l’état intermédiaire (H3 intermédiaire) jouant un rôle clé dans le processus de formation.
   • Utilisation de la méthode de formation par infusion (infusion training) pour rapprocher les états intermédiaires du modèle aux résultats expérimentaux.

b) Résultats expérimentaux

1. Modèle de génération de morphologie chiral H3 (RDH3):

   • À l’initial, les atomes s’ajoutent principalement aux sommets trifold, formant les bords chiraux.
   • À l’étape intermédiaire, les structures microscopiques de haute indexation sont formées, les bords se courbent progressivement dans la direction <111> pour former la morphologie finale H3.
   • Précision du modèle vérifiée par des images de microscopie électronique à balayage (SEM) et des spectres de dichroïsme circulaire.

2. Modèle de génération de morphologie chiral H1 (CBH1):

   • Croissance à partir de graines cubiques de 50 nm, formant une morphologie intermédiaire chiral (état intermédiaire H1) à 100 nm, avec des structures triangulaires au sommet et une élévation centrale.
   • Le modèle décrit le processus de transition des graines initiales à la morphologie finale H1, prédisant avec succès le chemin de croissance complexe.

3. Chemins croisés:

   • Le modèle RDH3 peut se convertir en mode CBH1 à travers l’état intermédiaire H3, réalisant ainsi la génération de morphologie de l’état intermédiaire H3 à H1.
   • Cependant, la conversion inverse de l’état intermédiaire CBH1 à RDH3 est impossible.

c) Conclusion de la recherche

Grâce à l’apprentissage profond combiné à l’automate cellulaire génératif, cette étude a révélé les mécanismes clés de la génération de morphologie chiral des nanoparticules d’or, vérifiant théoriquement les différents chemins de croissance et leurs possibilités de croisement. Cela offre non seulement une nouvelle perspective pour comprendre la croissance chiral des matériaux nanostructurés, mais ouvre également de nouvelles voies pour prévoir et concevoir des structures chirales inédites.

d) Points forts de la recherche

• La combinaison de l’apprentissage profond et de l’automate cellulaire génératif a révélé les mécanismes de croissance de morphologies complexes tridimensionnelles.
• Première description systématique des chemins de croissance détaillés des nanoparticules d’or de non chirale à chiral.
• Définition du rôle crucial des différentes morphologies intermédiaires dans le processus de génération des morphologies finales.

e) Autres informations précieuses

Les algorithmes d’apprentissage profond et les données expérimentales utilisés dans cette étude sont publiés sur GitHub (https://github.com/sangwonim/gca-chiral-morphogenesis) pour une reproduction et une recherche plus approfondie. De plus, la méthode de réseau neuronal convolutif épars du modèle fournit une référence importante pour l’étude d’autres structures cristallines complexes.

Conclusion

Cette étude, par l’application de méthodes d’apprentissage profond et d’automate cellulaire génératif, a systématiquement révélé les mécanismes de génération de morphologie chiral des nanoparticules d’or, offrant une nouvelle base théorique et des perspectives d’application pour comprendre et concevoir des structures nanométriques chirales. Ces découvertes ont non seulement une grande valeur scientifique dans le domaine des matériaux nanostructurés, mais peuvent également être appliquées à l’étude des mécanismes de transmission chiral dans les systèmes biologiques.