Учёные из Сколтеха рассказали о способах настройки свойств наночастиц и определили направления развития их исследования

Спрос на возобновляемые источники энергии непрерывно растёт, стимулируя развитие технологий, основанных на каталитических процессах. С их помощью можно производить так называемую экологически чистую энергию путём разделения и образования химических связей. В последние десятилетия учёные активно изучают, как core-shell частицы (от англ. core — ядро и shell — оболочка) могут улучшить работу каталитических систем, где в основном используются металлические катализаторы, ускоряющие химические реакции. Исследователи из Сколтеха проанализировали последние научные достижения в области синтеза core-shell частиц, способов исследования и «настройки» их свойств, а также определили наиболее перспективные направления для будущих исследований. Большая обзорная работа опубликована в журнале Nanoscale.

Биметаллические core-shell частицы — это наночастицы размером от 1 до 100 нанометров, ядро и оболочка которых состоят из разных металлов. В отличие от обычных частиц, наночастицы обладают уникальными свойствами, благодаря которым их активно используют, например, при диагностике рака, создании компактных электронных устройств, проектировании солнечных батарей и во многих других сферах.

Авторы выделили несколько проблем, на которые призывают обратить внимание в будущих исследованиях. Так, из-за проблемы определения состава поверхности core-shell частиц усложняется понимание взаимосвязи между их структурой и свойствами. Чтобы улучшить синтез биметаллических core-shell частиц, требуется выяснить состав их поверхности.

Исследователи также указали на то, что для изучения наноматериалов требуются новые теоретические методы для прогнозирования свойств соединений, которые ещё не были изучены экспериментально и даже не были синтезированы. Одним из наиболее эффективных способов для этого является использование современных разработок в области искусственного интеллекта, а именно создание дексрипторных и бездескрипторных моделей для предсказания необходимых свойств. Например, графовые нейронные сети позволяют расшифровывать атомную структуру наночастицы для выявления взаимосвязей между её структурой и свойствами.