Le particelle d’oro hanno proprietà uniche che le rendono importanti nei processi catalitici, in biomedicina e in ottica. Queste proprietà cambiano radicalmente se le nanoparticelle, e la loro superficie, si trova in uno stato liquido o solido. Un approccio che descriva il meccanismo di fusione di piccole particelle d’oro, della dimensione di pochi nanometri, e uno strumento per predire quantitativamente la loro temperatura di fusione, potrebbero pertanto avere un ruolo chiave per la loro applicazione in tecnologie di frontiera. Sfortunatamente, però, vista la complessità degli effetti di superficie presenti alla nanoscala, i modelli termodinamici classici non possono essere applicati in questi sistemi.
Uno studio internazionale guidato dalla SISSA, in collaborazione con l’École Polytechnique Fédérale de Lausanne, il King’s College London, Swansea University e l’Aristotle University of Thessaloniki ha utilizzato il machine learning per cogliere la sfida di predire e caratterizzare accuratamente i cambiamenti di piccole nanoparticelle d’oro al variare della temperatura. L’uso del machine learning per prevedere le forze che agiscono sugli atomi nelle nanoparticelle hanno permesso agli scienziati autori della ricerca di condurre facilmente lunghe simulazioni con una precisione quantomeccanica. L’articolo è stato appena pubblicato su Nature Communications.