Er is kunstmatig intelligente software ontwikkeld om medische behandelingen te verbeteren waarbij gebruik wordt gemaakt van stralen geëlektrificeerd gas, bekend als plasma. De computercode voorspelt de chemicaliën die worden uitgestoten door plasma-apparaten, die kunnen worden gebruikt om kanker te behandelen, de groei van gezond weefsel te bevorderen en oppervlakken te steriliseren.

De software leerde de cocktail van chemicaliën die uit het vliegtuig komen voorspellen op basis van gegevens verzameld tijdens experimenten in de echte wereld en met behulp van de wetten van de natuurkunde als leidraad. Dit type kunstmatige intelligentie (AI) staat bekend als machine learning omdat het systeem leert op basis van de aangeleverde informatie. De bij het project betrokken onderzoekers publiceerden een artikel over hun code in het Journal of Physics D:Applied Physics .

Het plasma dat in de experimenten wordt bestudeerd, staat bekend als koud atmosferisch plasma (CAP). Wanneer de CAP-jet wordt ingeschakeld, nemen talloze chemische soorten in het plasma deel aan duizenden reacties. Deze chemicaliën modificeren de cellen die een behandeling ondergaan op verschillende manieren, afhankelijk van de chemische samenstelling van de straal. Hoewel wetenschappers weten dat CAP's kunnen worden gebruikt om kankercellen te doden, wonden te behandelen en bacteriën via voedsel te doden, is het nog niet helemaal duidelijk waarom.

"Dit onderzoek is een stap in de richting van een beter begrip van hoe en waarom CAP-jets werken en zou op een dag ook kunnen worden gebruikt om het gebruik ervan te verfijnen", zegt Yevgeny Raitses, hoofdonderzoeksfysicus bij het Princeton Plasma Physics Laboratory van het Amerikaanse ministerie van Energie. (PPPL).

Het project werd voltooid door de Princeton Collaborative Low Temperature Plasma Research Facility (PCRF), een samenwerking tussen onderzoekers van PPPL en de George Washington University (GWU).

PPPL beschikt over een groeiend oeuvre dat zeventig jaar baanbrekend plasmaonderzoek combineert met haar expertise op het gebied van AI om maatschappelijke problemen op te lossen. De missie van het Lab gaat verder dan het gebruik van plasma om fusie-energie op te wekken, maar ook het gebruik ervan op terreinen als de geneeskunde en de productie.

De software maakt gebruik van een aanpak die bekend staat als een fysica-geïnformeerd neuraal netwerk (PINN). In een PINN worden gegevens georganiseerd in delen die knooppunten en neuronen worden genoemd. De stroom van gegevens bootst de manier na waarop informatie in het menselijk brein wordt verwerkt. Er zijn ook natuurkundige wetten aan de code toegevoegd.

"Weten wat er uit het vliegtuig komt is erg belangrijk. Weten wat er nauwkeurig uit komt is erg moeilijk", zegt Sophia Gershman, een leidende PPPL-onderzoeksingenieur van de PCRF die aan dit samenwerkingsproject werkte. Voor het proces zijn verschillende apparaten nodig om verschillende soorten informatie over het vliegtuig te verzamelen.

"In praktijkstudies is het moeilijk om alle verschillende technologisch geavanceerde diagnostiek in één keer te gebruiken voor elk apparaat en voor de verschillende soorten oppervlakken die we behandelen", legt Gershman uit.

De chemische samenstelling berekenen met één nanoseconde tegelijk

Li Lin, een onderzoekswetenschapper van GWU en de hoofdauteur van het artikel, zei dat het ook moeilijk is om de chemicaliën in een CAP-jet te berekenen, omdat de interacties als nanoseconde tegelijk moeten worden beschouwd.

"Als je bedenkt dat het apparaat enkele minuten in bedrijf is, maakt het aantal berekeningen het probleem meer dan alleen rekenintensief. Het is praktisch onmogelijk", zei Lin. "Met machine learning kun je het ingewikkelde gedeelte omzeilen."

Het project begon met een kleine set gegevens uit de echte wereld die werden verzameld met behulp van een techniek die bekend staat als Fourier-transform infraroodabsorptiespectroscopie. De onderzoekers gebruikten die kleine dataset om een ​​bredere set gegevens te creëren. Die gegevens werden vervolgens gebruikt om het neurale netwerk te trainen met behulp van een evolutionair algoritme, een soort computercode geïnspireerd door de natuur die naar de beste antwoorden zoekt met behulp van een survival-of-the-fittest-benadering.

Er worden verschillende opeenvolgende gegevensbatches gegenereerd met enigszins verschillende benaderingen, en alleen de beste datasets van elke ronde worden doorgevoerd naar de volgende trainingsronde totdat de gewenste resultaten zijn bereikt.

Uiteindelijk kon het team de chemische concentraties, gastemperatuur, elektronentemperatuur en elektronenconcentratie van de koude atmosferische plasmastraal nauwkeurig berekenen op basis van gegevens verzameld tijdens experimenten in de echte wereld.

In een koud atmosferisch plasma kunnen de elektronen – kleine, negatief geladen deeltjes – erg heet zijn, hoewel de andere deeltjes dicht bij kamertemperatuur zijn. De concentratie van de elektronen kan zo laag zijn dat het plasma niet heet aanvoelt of de huid verbrandt, terwijl ze toch een significant effect kunnen hebben op de beoogde cellen.

Op weg naar gepersonaliseerde plasmabehandeling

Michael Keidar, de A. James Clark Professor of Engineering aan de GWU en een frequente medewerker van PPPL die ook aan dit project werkte, zei dat het langetermijndoel is om deze berekeningen snel genoeg uit te kunnen voeren zodat de software automatisch de plasmaconcentratie kan aanpassen. tijdens een procedure om de behandeling te optimaliseren. Keidar werkt momenteel in zijn laboratorium aan een prototype van zo'n "plasma-adaptief" apparaat.

"In het ideale geval kan het gepersonaliseerd worden. Zoals wij het ons voorstellen, behandel je de patiënt en zal de reactie van elke patiënt anders zijn", legt Keidar uit. "Je kunt dus de respons in realtime meten en vervolgens proberen, met behulp van feedback en machinaal leren, de juiste instellingen in het plasmaproducerende apparaat te informeren."

Er moet meer onderzoek worden gedaan om zo’n apparaat te perfectioneren. In deze studie werd bijvoorbeeld naar het CAP-vliegtuig in de loop van de tijd gekeken, maar op slechts één punt in de ruimte. Verder onderzoek zou het werk moeten verbreden, zodat er rekening wordt gehouden met meerdere punten langs de uitvoerstroom van het vliegtuig.

In het onderzoek werd ook afzonderlijk naar de plasmapluim gekeken. Toekomstige experimenten zouden de door het plasma behandelde oppervlakken moeten integreren om te zien hoe dit de chemische samenstelling op de behandelingsplaats beïnvloedt.

Meer informatie: Li Lin et al, Datagestuurde voorspelling van de outputsamenstelling van een plasmajet onder atmosferische druk, Journal of Physics D:Applied Physics (2023). DOI:10.1088/1361-6463/acfcc7

Geleverd door Princeton Plasma Physics Laboratory