基于物理信息生成式AI的液相透射电镜纳米颗粒扩散学习模型LEONARDO

本研究通过开发名为LEONARDO的物理信息生成式AI模型，解决了液相透射电镜（LPTEM）中纳米颗粒复杂运动难以建模的难题。研究人员采用基于Transformer的变分自编码器架构，结合定制化物理损失函数，成功捕获了纳米颗粒在异质粘弹性环境中的非高斯扩散特性。该模型不仅能生成与实验数据统计特性一致的合成轨迹，还揭示了电子束剂量率与颗粒尺寸对相互作用能量景观的影响，为纳米尺度动力学研究提供了全新工具。

　　

在纳米科技领域，实时观测纳米颗粒在液相环境中的动态行为是理解分子间相互作用的关键。传统显微镜技术受限于时空分辨率，而新兴的液相透射电镜（LPTEM）虽能实现纳米级观测，却因缺乏描述复杂运动的计算模型而应用受限。纳米颗粒在LPTEM微流控腔室中的运动呈现高度随机性，这种随机性既包含环境异质性导致的非高斯扩散，又涉及粘弹性介质引发的运动反相关性。如何从这些复杂轨迹中解码潜在的物理机制，成为困扰研究人员的核心难题。

针对这一挑战，佐治亚理工学院（Georgia Institute of Technology）的研究团队开发了名为LEONARDO的深度学习模型。这项发表于《Nature Communications》的研究创新性地将物理原理嵌入生成式人工智能，通过分析数万条金纳米棒在LPTEM中的运动轨迹，首次实现了对纳米尺度复杂扩散行为的精确建模与仿真。研究不仅揭示了电子束剂量率与颗粒尺寸对相互作用能量景观的调控规律，更为自动化电子显微镜技术提供了数据生成新范式。

研究团队主要采用三项关键技术：1）基于Transformer的多头自注意力编码器-解码器架构，用于捕获轨迹时序依赖性；2）融合位移分布矩、速度/位置自相关函数等物理指标的定制化损失函数；3）Fr^échet距离与MoNet2.0分类器构建的量化评估体系。实验数据涵盖38,279条金纳米棒轨迹，覆盖20-60 nm颗粒尺寸和2-60 e^-/?²·s电子束剂量率。

模型架构与性能验证
LEONARDO采用12维潜空间变分自编码器，通过卷积层与自注意力模块的级联处理200帧轨迹数据。物理损失函数创新性地整合了位移分布的偏度（skewness）与峰度（kurtosis），以及速度自相关函数C_v(τ)等关键指标。验证显示生成轨迹与实验数据的Fr^échet距离仅7.88，显著低于其他扩散模型间的差异值（14.48-57.58），且95%生成轨迹被MoNet2.0正确归类为LPTEM类型。

潜变量物理意义解析
通过调控潜变量z₁、z₄、z₅发现：z₁和z₅主导位移分布非高斯性（ξ(τ=1)），反映环境能量景观异质性；z₄则与速度自相关性显著关联（R²=0.82），表征粘弹性效应。当z₁从-3增至+3时，位移分布从负偏态转为正偏态，ξ(τ=1)呈现6→0→6的非单调变化，揭示颗粒在势阱中的捕获-逃逸动力学。

实验参数影响机制
在35 e^-/?²·s高剂量率下，?μ₁,μ₅?分布展宽（方差增加2.3倍），表明电子束增强了环境异质性。而40 nm小颗粒在相同剂量率下呈现更集中但含极端值的μ₄分布（峰值2.0），显示尺寸减小会强化粘弹性约束效应。UMAP可视化证实不同剂量率与尺寸的数据在潜空间形成明显聚类。

这项研究通过物理信息生成式AI建立了LPTEM纳米颗粒运动与微观环境特性的定量关联。LEONARDO模型不仅解决了传统朗之万方程在复杂系统中记忆核难以计算的困境，其生成能力还可为自动化显微镜系统提供训练数据。研究发现电子束剂量率主要调控能量景观异质性，而颗粒尺寸更显著影响粘弹性效应，这为精准设计纳米颗粒输运环境提供了理论依据。该框架可扩展至蛋白质膜扩散、细胞内囊泡运输等生物物理过程研究，推动纳米尺度动力学从现象观测向机制解析的跨越。