Wetenschappers van het Intangible Realities Laboratory (IRL) van de Universiteit van Bristol en ETH Zürich hebben virtual reality en kunstmatige intelligentie-algoritmen gebruikt om de details van chemische verandering te leren.

In een omslagartikel dat vandaag is gepubliceerd in The Journal of Physical Chemistry , onderzoekers van de Universiteit van Bristol en ETH Zürich beschrijven hoe geavanceerde interactie- en visualisatiekaders met behulp van virtual reality (VR) mensen in staat stellen om algoritmen voor machine learning te trainen en wetenschappelijke ontdekkingen te versnellen.

Het team beschrijft hun werk bij het ontwerpen van een ultramodern open-source VR-softwareraamwerk dat 'on-the-fly' kwantummechanica-berekeningen kan uitvoeren.

Het stelt onderzoekswetenschappers in staat om geavanceerde natuurkundige modellen te onderzoeken van complexe moleculaire herschikkingen waarbij chemische bindingen worden gemaakt en verbroken, de eerste keer dat virtual reality is gebruikt om zoiets mogelijk te maken.

Het team gebruikte hun interactieve VR-systeem om kwantumchemie te 'leren' aan neurale netwerken.

Hoofdauteur Silvia Amabilino, die werkt tussen de IRL en Bristol's Centre for Computational Chemistry, zei:"Het genereren van datasets om kwantumchemie aan machines te leren, is een langdurige uitdaging.

"Onze resultaten suggereren dat menselijke intuïtie, gecombineerd met VR, kan hoogwaardige trainingsgegevens genereren, en zo machine learning-modellen te verbeteren."

co-auteur, Dr. Lars Bratholm, die werkt tussen de IRL, het Centrum voor Computerchemie, en de School of Mathematics voegde toe:"Voor de meeste wetenschappelijke computerworkflows, het knelpunt is de verwerkingskracht. Maar machine learning heeft een scenario gecreëerd waarin het nieuwe knelpunt de mogelijkheid is om snel hoogwaardige gegevens te genereren."

Royal Society Research fellow Dr. David Glowacki, die aan het hoofd staat van de IRL van Bristol's Department of Computer Science en School of Chemistry, zei:"Meeslepende tools zoals VR bieden mensen een efficiënt middel om wetenschappelijk en ontwerpinzichten op hoog niveau uit te drukken. Voor zover we weten, dit werk is de eerste keer dat een VR-framework is gebruikt om gegevens te genereren voor het trainen van een neuraal netwerk."

De opkomst van machine learning en automatisering in de wetenschap en de samenleving heeft geleid tot belangrijke vragen over het soort wetenschappelijke toekomst waaraan we de komende decennia bewust moeten werken. Verhalen over onze opkomende toekomst werpen automatisering vaak op als het ultieme doel, en het is soms onduidelijk waar de mens past.

Professor Markus Reiher van ETH voegde toe:"Dit werk laat zien dat geavanceerde visualisatie- en interactiekaders zoals VR en AR mensen in staat stellen om geautomatiseerde machine learning-benaderingen aan te vullen en wetenschappelijke ontdekkingen te versnellen.

"De paper biedt een interessante visie op hoe de wetenschap in de nabije toekomst kan evolueren, waar mensen hun inspanningen richten op het effectief trainen van machines."