科学家们利用机器学习开发了一幅纳米尺度的合金设计图，可以帮助预测可以形成双金属纳米合金的金属对的匹配，这是探索新材料在生物医学和其他领域应用的新前沿。
这种纳米合金也被称为核-壳纳米团簇合金，其中一种金属形成核心，另一种作为壳留在表面。重要的是要知道纳米团簇合金在什么条件下形成核-壳结构，以及哪种金属形成核，哪种金属停留在表面作为壳。
元素周期表上的95种金属可以形成4465对。在实验上不可能确定它们在形成纳米团簇合金中的行为。但计算机可以通过编程来预测这些配对的行为，甚至更多的是通过“机器学习”(ML)——在这里，机器被教导通过输入一些具有明确属性的模式来识别模式。
然而，由于实验合成的二元纳米团簇数量有限，且成分的化学顺序明确，且对核壳组合的理论研究较少，科学家们在这方面遇到了障碍。对于小于或大约100的小型数据集，ML无法可靠地应用。
然而，S.N.玻色基础科学中心的研究人员绕过了这个问题，该中心是科学部的一个自治研究所，他们通过计算碱金属、碱土、基本金属、过渡金属和p块金属创建了一个903个二进制组合的大数据集。
在他们最新发表在《物理化学杂志》上的论文中，他们研究了驱动核壳形态的关键属性，使用机器学习的统计工具应用在这个大数据集上。
核壳结构根据较低或较重的原子序数分为1型或2型。建立了许多属性来表征集合中的每个数据点。该模型的性能与已有的实验数据相吻合，证明了该模型的可靠性。
建立了ML模型的置信度，分析了驱动核壳模式的主要属性，得到了结果。将ML与纳米科学联系起来的尝试在追踪纳米团簇中金属原子的混合模式方面取得了成功，并为设计图奠定了基础，这有助于为纳米团簇合金选择金属对。科学家们开发的这张设计图将在莫斯科国立大学的纳米实验室和S.N Bose中心进行测试。
