Молодые учёные ИОХ РАН: Бойко Даниил

                                 D. A. Boiko, E. O. Pentsak, V. A.

                                 Cherepanova, E. G. Gordeev, V. P.

                                 Ananikov, Deep neural network analysis of

                                 nanoparticle ordering to identify defects in

                                 layered carbon materials, Chem. Sci., 2021,

                                 12, 7428-7441. DOI: 10.1039/D0SC05696K

Современная наука переживает очень интересное время: методы, которые мы можем использовать для изучения различных систем, начали генерировать очень большие объемы данных. Эти данные уже практически невозможно проанализировать вручную: например, масс-спектры могут содержать сотни веществ, но исследователи до сих пор смотрят только на те сигналы, которые им интересны. Повышение разрешения в ЯМР и многомерные эксперименты позволяют анализировать сложные реакционные смеси, а электронная микроскопия позволяет получить сотни различных изображений с одного единственного образца. Аналогичные изменения произошли ранее в индустрии и привели к очень быстрому развитию и широкому распространению методов машинного обучения и искусственного интеллекта. Именно эти методы мы пытаемся широко использовать в химических исследованиях для того, чтобы либо их ускорить, либо получить такую информацию об объекте исследования, которую невозможно было бы получить с помощью стандартных подходов. Хорошим примером этого является наша последняя публикация в JACS в 2022 году: там вводится концепт полностью определенного катализатора, который может быть детально изучен методами сканирующей электронной микроскопии, а его изображения проанализированы при помощи нейронных сетей. В итоге сложная гетерогенная система может быть описана настолько же подробно, насколько это делается в гомогенном катализе. Использование технологий машинного обучения в исследованиях — это часть концепции Науки 4.0: открытой, основанной на данных, использующей машинное обучение и искусственный интеллект, имеющей собственную культуру принесения пользы людям и инклюзивной области человеческой деятельности. Здесь мы пытаемся сделать хоть и очень маленький, но шаг в сторону этого направления.

Работа началась с очень давнего простого наблюдения: при нанесении палладия на различные углеродные материалы, в некоторых случаях можно наблюдать сильное упорядочивание наночастиц: они образуют сложные, запутанные узоры, очевидно, отражая электронное строение подложки. Однако причины возникновения этого явления не были окончательно выяснены, а способов количественной оценки эффекта не существовало. Мы смогли подтвердить гипотезы о причинах образования таких узоров при помощи комбинации Монте-Карло симуляций и квантово-химических расчетов. Более того, свёрточные нейронные сети были использованы для оценки величины эффекта упорядочивания и для выделения отдельных типов дефектов подложки по SEM изображениям.

Основное применение, которое хотелось бы увидеть, и над которым мы также ведем работу — это построение различных корреляций между распределением дефектов на подложке (и соответствующих распределений наночастиц) и характеристиками каталитического процесса (например, выходы и TON). Более того, использование палладиевых наночастиц как маркеров дефектов позволит значительно упростить исследования новых углеродных материалов.

Например, если ведется работа над эффективным проводником тока, то можно попробовать подбирать условия получения материала таким образом, чтобы количество найденных дефектов было минимальным.

Эти трудности общие для любого большого проекта — правильно разделить на отдельные части сложную работу, особенно когда эти части сильно взаимосвязаны друг с другом. Но если такое сделать получается, то дальше все идет достаточно просто.

Соавторы и коллектив лаборатории оказали огромную помощь в проведении исследования и подготовке публикации.

Да, конечно. Здесь можно выделить два принципиальных направления: это сбор большей по объему статистики об исследуемой системе и построение корреляций между строением образца и его свойствами. Первое требует высокого экспериментального уровня в электронной микроскопии, и ИОХ — это одно из тех мест, где подобная работа может быть осуществлена. Для второго направления необходимо накапливать огромные объемы данных, чтобы иметь возможность построить соответствующие корреляции.

Я очень любил естественнонаучные дисциплины в школе, и химия казалась наиболее интересной из них. По этой причине я втянулся в участие в олимпиадах и с дипломом ВсОШ поступил на химический факультет МГУ.

Поступив на химический факультет МГУ, я пошел в 09 группу РАН, где студенты занимаются исследовательской работой в институтах РАН. Это является обязательным с первого курса. Наиболее близко моим научным интересам соответствовала лаборатория металлокомплексных и наноразмерных катализаторов, в которой я и работаю по настоящее время.

В первую очередь, это способность критически оценивать результаты, которые ученый получил сам или которые получены другими исследователями. Первое необходимо, чтобы в погоне за новым результатом не допустить серьезных ошибок, а второе позволяет правильно пользоваться достижениями других ученых. Во-вторых, это умение собирать и анализировать данные. Это качество сильно пересекается с первым пунктом, но важно не только уметь правильно оценить результат, но, собственно, и получить его. Особенно это важно в современной химии, которая все больше и больше полагается на различные физико-химические методы химического анализа. В-третьих, это широкий научный кругозор. Действительно успешные работы делаются на пересечении многих областей современной науки, но создать условия для таких работ можно либо в сильно разносторонней лаборатории, либо тогда, когда ученый активно следит за смежными областями и думает о том, как он может помочь коллегам своей экспертизой и опытом.

«Глаза боятся, а руки делают»