據物理學家組織網近日報道，美國科學家使用遺傳算法逆向設計出一種架構，并用這種架構來設計新型納米材料。這是科學家們首次證明，可用逆向設計方法來設計自組裝的納米結構。另外，該研究也證明了機器學習和“大數據”方法在設計納米材料方面的潛力。最新研究發(fā)表在10月28日出版的美國《國家科學院院刊》上。

該研究團隊使用以前研發(fā)出的一種遺傳算法，設計出嫁接了DNA的粒子，這種粒子能自組裝成他們想要的晶體結構。這是一種逆向研究過程。傳統(tǒng)研究中，嫁接了單鏈DNA的膠狀粒子可以自組裝，隨后，科學家們會對得到的晶體結構進行檢查，然后再進行改進，直到得到自己想要的結構。

該研究的合作者森納特·庫爾瑪表示：“盡管傳統(tǒng)方法有助于我們事后理解是什么因素在管控這一自組裝過程，但并不能讓我們提前設計出我們需要的結構。最新研究解決了這個設計問題，而且，提出了一種革命性的優(yōu)化方法，其不僅能提前再現細節(jié)，而且也能解釋以前未被觀察到的結構。”

該研究的領導者、哥倫比亞大學化學工程學教授文卡特·文卡塔蘇布拉曼尼安表示：“我們的設計架構將有助于加速新材料的制造過程。從某種意義上來說，我們正在通過讓其同計算方法完美地匹配，從而改變新材料的制造過程。”

該研究團隊正在使用“大數據”概念和新技術來發(fā)現和設計新式納米材料，這是美國“材料基因組計劃”的一個優(yōu)先領域。“材料基因組計劃”的目的是研發(fā)出新方法來革新材料的設計，從而改進與日常生活息息相關的產品，這些產品涵蓋的范圍非常廣，從藥物到殺蟲劑或除草劑等農業(yè)化學物質再到燃料附加物、涂料和油漆，甚至洗發(fā)精這樣的個人護理產品等。

哥倫比亞大學數據科學與工程研究所所長凱思琳·麥吉翁表示：“這一逆向設計方法證明了機器學習和算法工程方法在解決材料科學領域面臨的重大挑戰(zhàn)方面極具潛力。”

文卡塔蘇布拉曼尼安表示，他們計劃對這一方法繼續(xù)探索，改進其模型并引入更多的機器學習技術。