Simulaatiot ja kokeet kohtaavat: koneoppiminen ennustaa kulta-nanoklusterien rakenteita ja dynamiikkaa

Tiolaattisuojatut kultananoklusterit ovat hybridinanomateriaaleja, joilla on lupaavia sovelluksia nanolääketieteessä, biokuvantamisessa ja katalyysissä.  Nanoklusterien käyttäytymistä korkeissa lämpötiloissa on tutkittu vähän, vaikka atomitason dynamiikan ymmärtäminen onkin tärkeää klusterien välisten reaktioiden ymmärtämiseksi. 

Ennätyspitkät simulaatiot kultananoklusterista

Jyväskylän yliopiston tutkijat ovat hyödyntäneet koneoppimiseen perustuvia simulaatioita tutkiakseen yhden tunnetuimman kultananoklusterin, Au₁₄₄(SR)₆₀:n, lämpödynamiikkaa. Hyödyntämällä hiljattain kehitettyä koneoppimismallia tutkijat pystyivät simuloimaan atomidynamiikkaa noin 0,12 mikrosekunnin ajan. Tämä  on noin satatuhatta kertaa pidempi aika verrattuna perinteisiin kvanttikemian menetelmiin.

- Tutkimus avaa uusia mahdollisuuksia ymmärtää, miten ligandien suojaamat metallinanoklusterit käyttäytyvät eri lämpötiloissa, sanoo julkaisun pääkirjoittaja tutkijatohtori Maryam Sabooni Asre Hazer Jyväskylän yliopistosta. Tutkimuksen avulla voimme tarkkailla atomitasolla, miten kyseiset klusterit muuttavat rakennetta, hajoavat ja jopa sulautuvat yhteen korkeissa lämpötiloissa, hän jatkaa. 

Muutokset paljastuivat atomikerros kerrallaan

Tutkimus paljasti, että lämpötilan vaikutukset aiheuttavat rakenteellisia muutoksia atomikerros kerrallaan alkaen uloimmasta kulta-tiolaattisuojakuoresta. Tutkijat havaitsivat, että lämpötiloissa 300–550 K tapahtui polymeerimäisten ketjujen ja rengasrakenteiden spontaania muodostumista. Nämä rakenteet irtosivat dynaamisesti ja kiinnittyivät uudelleen klusterin pintaan. Jäljelle jääneet klusterikoostumukset vastasivat hyvin kokeellisissa tutkimuksissa havaittuja.

- Erityisen jännittävää on, että voimme nyt nähdä, kuinka kulta-atomit siirtyvät klusterin eri kerrosten välillä ja kuinka pinta rakentuu uudelleen lämpörasituksen alaisena, selittää tohtori Sabooni Asre Hazer. Nämä prosessit ovat suoraan yhteydessä siihen, miksi lämpökäsitellyt kultananoklusterit voivat muuttua tehokkaiksi katalyytteiksi, hän jatkaa. 

Kultananoklusterit yhdistyivät simulaatiossa

Tutkijat onnistuivat myös simuloimaan kahden Au₁₄₄(SR)₆₀-klusterin täydellisen yhdistymisen 550 K:n lämpötilassa. Yhdistyminen tuotti suuremman klusterin (Au₂₃₉(SR)₆₉), joka oli silmiinpistävän samanlainen kuin aiemmin kokeellisesti syntetisoitu kultananoklusteri. 

- Yhdistyneen klusterin metallisen sisäosan atomirakenne vastasi  jo julkaistua kokeellisesti määritettyä rakennetta. Tämä osoittaa käyttämämme koneoppimismallin tarkkuutta, iloitsee Dr. Sabooni Asre Hazer.

Uusia mahdollisuuksia nanomateriaalien tutkimukselle

Menetelmä mahdollistaa yksityiskohtaiset atomintasoiset tutkimukset prosesseista, joita ei aiemmin ole voitu tutkia laskennallisesti. Näitä ovat klusterien väliset vuorovaikutukset, katalyyttiset aktivointimekanismit, terminen stabiilisuus ja hiukkasten väliset reaktiot.

- Tuloksemme antavat perustavanlaatuisia tietoja siitä, miten ligandien suojaamat nanoklusterit käyttäytyvät siirtyessään kohti suurempia nanohiukkasia, selittää tutkimusta ohjannut professori Hannu Häkkinen. Tieto on keskeistä nanomateriaalien järkevälle suunnittelulle, jotta niitä voidaan räätälöidä katalyysiin ja muihin sovelluksiin, hän jatkaa.

Tutkimus julkaistiin Nature Communications -lehdessä. Julkaisu valittiin Nature Communications -lehden epäorgaanisen ja fysikaalisen kemian “editors’ highlight” -osioon.

Tutkimusta tukivat Suomen Akatemia ja Euroopan tutkimusneuvoston ERC Advanced Grant –hanke DYNANOINT. Simulaatiot tehtiin Tieteen tietotekniikan keskuksen (CSC) supertietokoneilla Puhti ja Mahti.

Artikkelin tiedot:

• Sabooni Asre Hazer, M., Malola, S. & Häkkinen, H. Thermal dynamics and coalescence of Au144(SR)60 clusters from a machine-learned potential. Nature Communications  17, 971 (2026)
• DOI numero: https://doi.org/10.1038/s41467-025-67700-w