Los científicos del Laboratorio Nacional Argonne del Departamento de Energía de EE. UU. DOE han comenzado a utilizar redes neuronales para identificar las firmas estructurales de los gases moleculares, lo que podría proporcionar técnicas de detección nuevas y más precisas para los investigadores, la industria de defensa y los fabricantes de medicamentos.
Este trabajo innovador ha sido reconocido como finalista para un 2018 I + D premio 100. I + D 100 premios, llamados los "Oscar de la Innovación", son otorgados por I + D Revista de las innovaciones más significativas desarrolladas en un año determinado.
Las redes neuronales, llamadas así porque operan de una manera interconectada similar a nuestros cerebros, ofrecen a los químicos una gran oportunidad para una ciencia más rápida y rigurosa porque proporcionan una forma en que las máquinas pueden aprender e incluso tomar decisiones sobre los datosSin embargo, para que sean efectivos, deben enseñarse cuidadosamente. Es por eso que esta área de investigación se llama aprendizaje automático.
"Digamos que quería enseñarle a una computadora a reconocer a un gato", dijo el químico de Argonne Kirill Prozument. "Puede intentar explicarle a una computadora qué es un gato usando un algoritmo, o puede mostrarle cinco mil fotos diferentes degatos "
Pero en lugar de mirar a los gatos, Prozument y el ex investigador postdoctoral de Argonne, Daniel Zaleski, querían identificar la estructura de las moléculas de fase gaseosa. Para ello, utilizaron los espectros de rotación de las moléculas.
Los científicos determinan el espectro de rotación de una molécula observando cómo la molécula interactúa con las ondas electromagnéticas. En la física clásica, cuando una onda de una frecuencia particular golpea a una molécula en la fase gaseosa, hace que la molécula gire.
Debido a que las moléculas son objetos cuánticos, tienen frecuencias características en las cuales absorben y emiten energía que es única para ese tipo de molécula. Esta huella da a los investigadores una excelente idea del patrón de los niveles de energía cuántica de las moléculas en fase gaseosa.
"Estamos particularmente interesados en mirar los productos que resultan de las reacciones químicas", dijo Prozument. "Supongamos que no sabemos qué productos químicos hemos generado, y no sabemos qué moléculas hay.barrer con un pulso de onda milimétrica a través de todas las frecuencias posibles, pero solo las frecuencias que 'tocan la campana' para las moléculas serán absorbidas y solo esas serán reemitidas ".
Zaleski codificó miles de estos espectros rotacionales, etiquetando cada espectro diferente para la red neuronal. La ventaja de usar una red neuronal es que solo tenía que "aprender" estos espectros una vez, en lugar de cada vez que se analizó una muestra.
"Esto significa que cuando está en un aeropuerto ejecutando una prueba de seguridad en un químico no identificado o si es un fabricante de medicamentos que escanea su muestra en busca de impurezas, puede ejecutar muchas más de estas pruebas con precisión en un período mucho más pequeño", dijo Zaleski. A pesar de que estas resonancias actúan como un filtro, la cantidad de datos espectroscópicos producidos sigue siendo desalentador." Pasar de datos espectroscópicos en bruto a información química real es el desafío ", dijo Zaleski." Los datos consisten en milessi no decenas de miles de elementos, es desordenado "
Zaleski, ahora profesor asistente en la Universidad de Colgate, comparó la búsqueda de firmas moleculares específicas con el libro ilustrado para niños "¿Dónde está Waldo?", En el que el lector tiene que escanear una escena abarrotada para encontrar el personaje titular ". Waldo tiene unvestido muy específico y un patrón específico, por lo que lo conocerá si lo ve ", dijo Zaleski." Nuestro desafío es que cada molécula es como una versión diferente de Waldo ".
Según Zaleski, hay menos de 100 científicos en el mundo capacitados para asignar espectros rotacionales. Y si bien podría tomar hasta un día determinar las firmas moleculares utilizando métodos anteriores, las redes neuronales reducen el tiempo de procesamiento a menos de un milisegundo.
La red neuronal funciona con tarjetas de unidad de procesamiento de gráficos GPU típicamente utilizadas por la comunidad de videojuegos. "Hasta hace un par de años, las tarjetas de GPU que usamos simplemente no existían", dijo Zaleski. "Nosotrosestamos en un momento increíble en términos de la tecnología informática disponible para nosotros "
En última instancia, Prozument y Zaleski esperan hacer que su técnica espectroscópica sea lo más automatizada posible ". Nuestro objetivo es ofrecer las herramientas de análisis espectroscópico rotacional a los no expertos", dijo Prozument. "Si puede tener espectros asignados con precisión por unmáquina que puede aprender, puede hacer que todo el proceso sea mucho más portátil y accesible ya que ya no necesita tanta experiencia técnica ".
Fuente de la historia :
Materiales proporcionado por DOE / Laboratorio Nacional de Argonne . Original escrito por Jared Sagoff. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :