Identificare e classificare ambienti chimici locali in nanomateriali inorganici ricoperti con molecole organiche è possibile attraverso un nuovo approccio multidisciplinare pubblicato nella prestigiosa rivista ACS Nano.

La metodologia, presentata nello studio Spotting Local Environments in Self-Assembled Monolayer-Protected Gold Nanoparticles, abbina machine-learning a calcolo ad alte prestazioni e a tecniche di spettroscopia che impiegano sonde estremamente sensibili alle caratteristiche chimiche dell'ambiente che le circonda.

Il lavoro è frutto di una pluriennale collaborazione tra i gruppi di ricerca di Paola Posocco (UniTS, DIA), Lucia Pasquato (UniTS, DSCF) e Marco Lucarini (Università di Bologna, Dipartimento di Chimica “G. Ciamician”).

L’approccio presentato ha carattere generale e offre una nuova prospettiva per il design razionale istruito dai dati di sistemi nanostrutturati ibridi organici-inorganici con applicazioni che spaziano dalla catalisi eterogenea (in reazioni usate nella valorizzazione di biomasse o nella realizzazione di enzimi “artificiali”), al riconoscimento specifico di molecole (ad esempio di bioanaliti di interesse clinico) e alla teranostica (nella veicolazione e rilascio di farmaci e/o agenti di contrasto per imaging medico).