媒体の種類：学術論文
掲載紙／掲載誌／掲載メディア：APL Machine Learning
著者：Hiroaki Fukuda, Hiromi Kuramochi, Yasushi Shibuta and Takanori Ichiki
ディープラーニングを用いた非球状ナノ粒子のブラウン運動軌跡の解析
ナノ粒子が医療、製薬、産業分野で有用な材料として実用化される中、均一なサイズと密度のナノ粒子集団だけでなく、多様性に富んだナノ粒子を評価する技術の重要性が高まっています。ナノトラッキング分析（NTA）は、液体中の個々のナノ粒子を測定し、ブラウン運動を分析することでサイズ分布を評価する方法として商業化され、広く利用されています。私たちは、NTAのための深層学習（DL）を組み合わせて、より多くの特性情報を抽出し、個々の粒子の評価を通じてその多様性を理解する方法論を探求しました。実際のNTAでは、ストークス–アインシュタイン方程式を使用して粒子サイズを定量化する際に、常に球状形状を前提としていますが、測定された粒子が本当に球状であるかどうかを検証することはできません。この問題に対処するために、NTA測定から得られたブラウン運動の時系列軌跡データを使用してナノ粒子の形状を予測するDLモデルを開発しました。その結果、従来のNTAでは区別できないほぼ同等の粒子サイズを持つ球状および棒状の金ナノ粒子を約80%の精度で識別できました。さらに、球状および棒状ナノ粒子の混合比をナノ粒子の混合サンプルの測定データから定量的に推定できることを示しました。この結果は、NTA測定にDL分析を適用することで、以前は不可能と考えられていた粒子形状の評価が可能であることを示唆しており、さらなる付加価値のあるNTAへの道を開きます。
http://doi.org/10.1063/5.0160979
