Physics-Grounded Simulation Enables Zero-Shot Molecular and Reaction Analysis in Scanning Tunneling Microscopy

Resumen Técnico: La simulación basada en la física permite el análisis de moléculas y reacciones sin entrenamiento previo (zero-shot) en la microscopía de efecto túnel

Planteamiento del Problema
La identificación cuantitativa de productos moleculares y vías de reacción a partir de imágenes de Microscopía de Efecto Túnel (STM) sigue siendo un cuello de botella significativo en la síntesis sobre superficies. Los desafíos actuales surgen porque el contraste de la STM está gobernado por la física acoplada del efecto túnel, las interacciones punta-muestra y las condiciones de imagen, en lugar de la estructura molecular por sí sola. Además, la heterogeneidad de la reacción y las variaciones de la superficie complican el vínculo entre las características de la imagen y la identidad química. Si bien el aprendizaje automático (ML) ha automatizado tareas como la mejora de imágenes y la localización molecular, los flujos de trabajo existentes suelen requerir anotaciones experimentales del sistema específico objetivo. Esta dependencia limita su capacidad para generalizar a nuevos sistemas moleculares o realizar análisis de reacciones de nivel superior sin un reentrenamiento y etiquetado extensos.

Metodología
Los autores proponen un marco asistido por simulación para el análisis de STM sin entrenamiento previo (zero-shot), que requiere únicamente la información del precursor para un nuevo sistema objetivo, utilizando ningún tipo de imagen o anotación experimental de dicho sistema durante el entrenamiento del modelo. El marco consta de dos componentes principales: NanoSim y NanoAnalysis.

1. NanoSim (Generación de Datos Sintéticos): Este módulo genera imágenes de STM sintéticas basadas en la física a partir de productos de reacción predichos y escenas de superficie muestreadas. Aborda la brecha de dominio entre la simulación y el experimento mediante tres capas coordinadas:

   • Capa Física: Construye un espacio de productos candidatos guiado por la reacción a partir de la estructura del precursor utilizando un modelo de predicción de reacciones (RexGen). En lugar de una enumeración exhaustiva, se enfoca en sitios reactivos clasificados por confianza para generar un conjunto compacto de productos químicamente relevantes.
   • Capa de Comportamiento: Instancia estos productos en escenas de superficie físicamente plausibles variando la densidad numérica molecular, la separación mínima borde a borde, la abundancia relativa y la orientación en el plano. Esta capa impone prioridades físicas (p. ej., exclusión estérica) para fundamentar la generación de escenas en restricciones explícitas en lugar de un muestreo aleatorio.
   • Capa de Renderizado: Convierte las configuraciones de la superficie en imágenes similares a las de STM. Primero genera un mapa de altura de esferas de van der Waals (vdW) para preservar las huellas moleculares proyectadas. Posteriormente, un módulo de alineación de estilo basado en Pix2Pix traduce estas aproximaciones geométricas en imágenes similares a las experimentales, aprendiendo estadísticas de contraste y textura agregadas de datos de STM de sistemas moleculares no objetivos. Este enfoque híbrido mantiene el fundamento físico mientras reduce la brecha de dominio entre la simulación y el experimento.

2. NanoAnalysis (Interpretación Jerárquica): Este módulo aplica modelos entrenados con los datos de NanoSim a imágenes experimentales en tres niveles:

   • Nivel de Percepción: Predice instancias moleculares (cajas delimitadoras, cajas delimitadoras orientadas, segmentación de instancias, localización de puntos clave) utilizando modelos como YOLO11.
   • Nivel de Sistema: Cuantifica observables como la abundancia de productos, la orientación, el espaciamiento intermolecular y los cambios de población dependientes del tratamiento.
   • Nivel Mecanístico: Infiere la selectividad de los sitios de reacción, las preferencias de isómeros y las vías de reacción, mapeando los productos detectados de vuelta a la red de reacción predicha.

Contribuciones Clave

• Generalización Zero-Shot: El marco permite el análisis cuantitativo de nuevos sistemas de reacción sobre superficies sin requerir datos de entrenamiento ni anotaciones específicas del sistema objetivo.
• Simulación Basada en la Física: Al integrar prioridades de reacción, restricciones de comportamiento de superficie y renderizado de alineación de estilo, el método genera datos sintéticos de alta fidelidad que se transfieren eficazmente a imágenes experimentales reales.
• Escalabilidad Modular: El diseño modular del marco permite que datos heterogéneos de otros sistemas mejoren los componentes individuales (p. ej., predicción de reacciones, alineación de estilo) de forma independiente, facilitando la generalización continua.
• Análisis Integral: Cierra la brecha desde la detección a nivel molecular hasta los observables a nivel de sistema, permitiendo la reconstrucción de vías de reacción y el análisis de la evolución dependiente del recocido (annealing).

Resultados
El marco fue evaluado en la reacción de la 2-bromo-1,10-fenantrolina (BP) sobre una superficie de Cu(111), un sistema que implica desbromo-halogenación selectiva y vías competitivas de deshidrogenación.

• Desempeño: En un conjunto de prueba anotado manualmente de 10 imágenes de STM reales, el modelo de Caja Delimitadora Orientada (OBB) entrenado con datos de NanoSim logró una puntuación F1 promedio de micro de aproximadamente 0.90 (precisión 0.92, exhaustividad/recall 0.86). Con un mayor volumen de datos sintéticos y capacidad del modelo, la puntuación micro-F1 alcanzó el 0.92.
• Información Mecanística: El análisis identificó con éxito las poblaciones de productos (m0–m14), revelando cambios dependientes del recocido consistentes con las observaciones experimentales. Confirmó la secuencia m0-a-m1-a-m4 como un flujo prominente, identificó m4 como un producto terminal y detectó una preferencia por configuraciones cis en los dímeros debido a la coordinación Cu–N.
• Selectividad del Sitio de Reacción: El modelo identificó correctamente que las reacciones en etapas posteriores favorecen los átomos de H adyacentes a los átomos de N, alineándose con cálculos previos de DFT y la deshidrogenación orto preferencial reportada.
• Estudios de Ablación: Los autores demostraron que restringir el espacio de productos candidatos (mediante la guía de reacción) es crítico; la enumeración exhaustiva resultó en un rendimiento de reconocimiento de cero. Del mismo modo, la estrategia de renderizado híbrida (vdW + alineación de estilo) superó al renderizado puro basado en DFT, y la inclusión de datos de STM heterogéneos en el módulo de alineación de estilo mejoró significativamente el reconocimiento posterior.
• Escalabilidad: El marco permite un escalado eficiente; el entrenamiento con 100,000 imágenes sintéticas con una gran capacidad de modelo logró un alto desempeño en aproximadamente una hora, mientras que la generación equivalente basada en DFT requeriría más de 200 horas.

Significancia
El artículo afirma que este trabajo proporciona una ruta escalable para el análisis cuantitativo de nuevos sistemas de reacción sobre superficies al eliminar la necesidad de supervisión específica del sistema objetivo. Al factorizar las restricciones de reacción, el comportamiento de la superficie y la apariencia de la imagen en módulos aprendibles de forma independiente, el marco incorpora prioridades físicas y químicas relevantes en la generación de datos sintéticos. Este enfoque aborda los límites de generalización de los flujos de trabajo existentes, permitiendo una interpretación jerárquica automatizada de los datos de STM que puede evolucionar con diversas fuentes de datos y modelos mejorados. Los autores posicionan esto como un paso hacia la reducción de la interpretación manual de la STM y su capacidad para manejar grandes conjuntos de datos y análisis de reacciones complejas a nivel de sistema.