纳米粒子是仅由几百个原子组成的微小粒子，有助于创造世界上最新的“智能”表面和系统。纳米粒子在透明防晒霜和防污织物等尖端消费品的开发中发挥着关键作用。它们还被设计用于生物医学应用，例如体内药物输送。

听起来像是一种神奇的物质，对吧?障碍在于，在实验室中识别一个类似于大海捞针。在数十万个纳米粒子的潜在池中，实际上只有少数可能是可行的——这意味着它们的大小合适，并且可以在特定的温度范围(例如体温)内工作。那么研究人员如何促进这一过程呢?机器学习。

艺术与科学学院 (A&S) 化学助理教授 Davoud Mozhdehi 和工程与计算机科学学院 (ECS) 生物医学与化学工程副教授 Shikha Nangia 已获得国家资助的 575,000 美元科学基金会开发一种机器学习方法，以帮助发现和设计新的智能纳米生物材料。

该项目源于该团队最近为设计用于向大脑输送治疗药物的纳米粒子模型所做的努力。当该小组使用他们的理论预测粒子在特定温度下工作的大小和稳定性时，他们发现他们的模型是错误的。毫不畏惧，这种挫折促使他们更深入地研究寻找一种新方法来提出预测规则来指导纳米粒子的设计。

多亏了CUSE 资助，Mozhdehi 和 Nangia 收集了初步数据，这些数据有助于他们新提案的关键部分，该提案确立了使用计算机预测纳米粒子功能特性的可行性。他们目前的项目结合了模拟和实验的输入，并使用机器学习对大量数据进行分类，以更好地预测纳米粒子在特定温度下的响应特性。

他们的合作项目将整合 Mozhdehi 实验室探索尺寸和形状等物理特性的实验，以及 Nangia 实验室的计算模拟。

通过结合机器学习，Nangia 和她的学生将根据之前的实验和模拟数据，设计算法来模拟数百万种纳米粒子的变化，以加快温度响应纳米粒子的设计。这种集成方法可以将设计时间缩短 100 到 1,000 倍。也就是说，使用他们的新方法，过去需要一年才能完成的工作现在可以在一到四天内完成。

该团队的方法将着眼于识别数据中的模式，以确定哪些纳米粒子在精确的温度下是稳定的。研究人员将他们的过程与谷歌和 Facebook 的算法进行比较，这些算法梳理了数百万用户数据点，以便根据他们选择的链接和在线购买的物品对个人进行分组。他们的算法将聚集看起来不同但行为相同的粒子——就像点击同一链接的不同个体一样。他们的目标是提取属性并评估使某些粒子相似以及使它们不同的原因，以便开发理论来帮助对稳定的纳米粒子进行建模。

一旦他们对功能温度有了更多了解，Mozhdehi 的实验室将进行实验以确定物理特性，例如纳米粒子的可能大小和形状。然后可以将他们的结果应用回项目的机器学习部门，以更好地校准这些结果。

Mozhdehi 和 Nangia 都是BioInspired Institute的成员，他们希望该项目能够建立一种具有成本效益的方法来推动规则，有朝一日能够开发出在广泛的温度范围内稳定的纳米粒子。研究人员表示，这项基础研究可能会导致未来纳米生物材料的发展，这种材料可以将治疗药物直接输送到癌症生长和受损器官。