Wetenschappers van het Argonne National Laboratory van het Amerikaanse Department of Energy (DOE) zijn begonnen neurale netwerken te gebruiken om de structurele kenmerken van moleculaire gassen te identificeren, mogelijk nieuwe en nauwkeurigere detectietechnieken bieden voor onderzoekers, de defensie-industrie en medicijnfabrikanten.

Dit baanbrekende werk is erkend als finalist voor een 2018 R&D 100 onderscheiding.

"Dit betekent dat wanneer je op een luchthaven een veiligheidstest uitvoert op een niet-geïdentificeerde chemische stof of als je een medicijnfabrikant bent die je monster scant op onzuiverheden, je kunt zoveel meer van deze tests nauwkeurig uitvoeren in een veel kortere tijd." — Daniel Zaleski, Argonne postdoctoraal onderzoeker

Neurale netwerken - zo genoemd omdat ze op een onderling verbonden manier werken, vergelijkbaar met onze hersenen - bieden scheikundigen een grote kans voor snellere en meer rigoureuze wetenschap omdat ze een manier bieden waarop machines kunnen leren en zelfs beslissingen kunnen nemen over gegevens. Effectief zijn, Hoewel, ze moeten zorgvuldig worden onderwezen. Daarom wordt dit onderzoeksgebied machine learning genoemd.

"Stel dat je een computer wilde leren een kat te herkennen, " zei Argonne-chemicus Kirill Prozument. "Je kunt proberen aan een computer uit te leggen wat een kat is met behulp van een algoritme, of je kunt het vijfduizend verschillende foto's van katten laten zien."

Maar in plaats van naar katten te kijken, Prozument en voormalig postdoctoraal onderzoeker van Argonne, Daniel Zaleski, wilden de structuur van gasfasemoleculen identificeren. Om dit te doen, ze gebruikten de rotatiespectra van de moleculen.

Wetenschappers bepalen de rotatiespectra van een molecuul door te observeren hoe het molecuul interageert met elektromagnetische golven. In de klassieke natuurkunde wanneer een golf van een bepaalde frequentie een molecuul raakt in de gasfase, het zorgt ervoor dat het molecuul gaat roteren.

Omdat moleculen kwantumobjecten zijn, ze hebben karakteristieke frequenties waarop ze energie absorberen en uitstralen die uniek is voor dat type molecuul. Deze vingerafdruk geeft onderzoekers een uitstekend idee van het patroon van kwantumenergieniveaus van gasfasemoleculen.

"We zijn vooral geïnteresseerd in de producten die het resultaat zijn van chemische reacties, "Zei Prozument. "Stel dat we niet weten welke chemische producten we hebben gemaakt, en we weten niet welke moleculen er zijn. We vegen met een millimetergolfpuls door alle mogelijke frequenties, maar alleen frequenties die 'bellen' voor de moleculen zullen worden geabsorbeerd en alleen die worden opnieuw uitgezonden."

Zaleski codeerde duizenden van deze rotatiespectra, het labelen van elk verschillend spectrum voor het neurale netwerk. Het voordeel van het gebruik van een neuraal netwerk is dat het deze spectra maar één keer hoefde te "leren", in tegenstelling tot elke keer dat een monster werd getest.

"Dit betekent dat wanneer je op een luchthaven een veiligheidstest uitvoert op een niet-geïdentificeerde chemische stof of als je een medicijnfabrikant bent die je monster scant op onzuiverheden, u kunt zoveel meer van deze tests nauwkeurig uitvoeren in een veel kortere tijd, " zei Zaleski. Hoewel deze resonanties als een filter werken, de hoeveelheid geproduceerde spectroscopische gegevens is nog steeds ontmoedigend. "Het is de uitdaging om van ruwe spectroscopische gegevens naar feitelijke chemische informatie te gaan, "Zei Zaleski. "De gegevens bestaan ​​uit duizenden, zo niet tienduizenden elementen - het is rommelig."

Zaleski, nu een assistent-professor aan de Colgate University, vergeleek de zoektocht naar specifieke moleculaire handtekeningen met het kinderprentenboek "Waar is Waldo?", waarin de lezer een drukke scène moet scannen om het titulaire personage te vinden. "Waldo heeft een heel specifieke jurk en een specifiek patroon, dus je zult hem kennen als je hem ziet, " Zei Zaleski. "Onze uitdaging is dat elk molecuul een andere versie van Waldo is."

Volgens Zaleski, er zijn minder dan 100 wetenschappers in de wereld die zijn opgeleid in het toewijzen van rotatiespectra. En hoewel het met eerdere methoden tot een dag kan duren om de moleculaire handtekeningen te bepalen, neurale netwerken verminderen de verwerkingstijd tot minder dan een milliseconde.

Het neurale netwerk draait op grafische verwerkingseenheid (GPU)-kaarten die doorgaans worden gebruikt door de videogamegemeenschap. "Tot een paar jaar geleden, de GPU-kaarten die we gebruiken, bestonden niet echt, "Zei Zaleski. "We bevinden ons momenteel in een geweldige tijd in termen van de computertechnologie die voor ons beschikbaar is."

uiteindelijk, Prozument en Zaleski hopen hun spectroscopische techniek zo volledig mogelijk geautomatiseerd te maken. "Ons doel is om de tools voor roterende spectroscopische analyse aan te bieden aan niet-experts, "Zei Prozument. "Als je spectra nauwkeurig kunt laten toewijzen door een machine die kan leren, je kunt het hele proces veel draagbaarder en toegankelijker maken, omdat je niet langer zoveel technische expertise nodig hebt."

Een artikel gebaseerd op het onderzoek, "Geautomatiseerde toewijzing van rotatiespectra met behulp van kunstmatige neurale netwerken, " verscheen in het nummer van 13 september van de Tijdschrift voor Chemische Fysica .