大家好，我是本栏目的编辑郝帅。现在我给大家解释一下上面的问题。该算法利用来自纳米粒子参考系统的实验结构信息，建立了精确的粒子结构及其与环境相互作用的原子模型。

由于人工智能可以阅读过去的实验，将它们与当前的研究联系起来，并预测结果，因此在科学研究中实施人工智能可能是重大突破的催化剂。

虽然人类可以记住他们的数量受到阻碍，但人工智能可以保存更多的信息。这样，它可以通过分析研究人员提供的数据来提供见解。

另见：为什么公司和工人不应该害怕在机器人工作中使用人工智能？

这也是芬兰jyvskyla大学纳米科学中心和信息技术学院的研究人员希望通过一种新的算法实现这一目标的原因，该算法旨在“预测混合纳米粒子的金属分子界面上分子的结合位点”。

该算法利用较早发表的纳米粒子参考系的实验结构信息进行预测。因此，研究人员可以建立一个精确的粒子结构及其与环境相互作用的原子模型。AI还可以基于先前分析的具有相似测量属性的模型对模型进行排名。

“我们算法背后的基本思想非常简单。原子间的化学键总是离散的，有确定的键角和键距。因此，从实验中知道的每个纳米粒子的结构，其中所有原子的位置被精确解析，告诉金属-分子界面的化学性质的必要性。

关于人工智能在结构预测中的应用，一个有趣的问题是：为了使新的未知粒子的预测可靠，我们需要知道多少个已知的结构？似乎我们只需要几十个已知的结构，”萨米马洛拉说，他是《自然通讯》文章的主要作者，也是日夫斯凯拉大学纳米科学中心的研究员。

“这是我们大学新跨学科合作的重要一步。将人工智能应用于纳米科学中具有挑战性的课题，如新纳米材料的结构预测，肯定会带来新的突破，”jyvsky lau大学信息科学教授tommikrkkinen说。