A gépi tanulás segít a molekulák viselkedésének előrejelzésében

Egy nemzetközi interdiszciplináris kutatócsapat egy új gépi tanulási módszerrel állt elő, ami képes előrejelezni a molekulák viselkedését. Ennek az áttörésnek hatalmas jelentősége lehet mind a gyógyszeriparban, mind pedig az egyre nagyobb szerepet kapó akkumulátor technológiák teljesítményének feljavításában.

“Azzal hogy azonosítja a molekulák viselkedési mintáit, az általunk létrehozott tanulási algoritmus vagy ‘gép’ egy tudástárat hoz létre a molekulák atomjainak interakcióiról és ezeket az információkat elővéve új jelenségeket jelez előre,” mondta Mark Tuckerman, aki a New York Egyetem kémia és matematika professzora és az új algoritmust bemutató tanulmány egyik első szerzője.

A munka a gépi tanulásban történő előrelépéseket ötvözi a fizikával és a kémiával. Az adatok által előrehajtott megoldások, különösen a gépi tanulás terén, lehetővé teszik a mindennapi berendezéseknek, hogy azok egy korlátozott adathalmazból automatikusan tanuljanak és az újonnan beérkező adatokat ennek megfelelően értelmezzék. Ezek a megközelítések teljesen átalakították az online keresések, szöveg ellenőrzés, képfelismerés és a fordítás műveleteit.

Az elmúlt években egy ehhez köthető fejlődés indult meg a természettudományok terén is, kiemelten a mérnöki, anyag és molekuláris tudományokban. Azonban a gépi tanulási megközelítéseket ezeken az ágazatokon nem váltak olyan módszerekké, amik a banki és közegészségügyi sikereket a tudomány előremozdítására is átültetnék.

A kutatócsapat egy olyan gépet hozott létre, ami képes megtanulni azokat az összetett interakciókat, amiket eddig csak kvantum mechanika számításokkal voltak képesek megoldani, anélkül hogy elvégezné ezeket az igen komlikált számításokat.

A gép elkészítésekor a tudósok kiválasztottak egy kis mintaállományt, ami a kutatók által vizsgálni kívánt molekulákat tartalmazta. Az algoritmust ezután ezeknek a molekuláknak az összetett kémiai viselkedésének szimulálásával képezték ki. Hogy mérlegeljék az algoritmus életképességét, megvizsgálták, hogy a gép hogyan is jelzi előre kémiai viselkedést és ezt összehasonlították az molekulák működéséről szerzett eddigi ismereteikkel.

“Most már elértük azt, hogy a mesterséges intelligenciákat nemcsak az adatokból történő tanulásra, hanem a tudományos ismereteink bővítésére is használhatjuk,” mondta Klaus-Robert Müller, a Berlin Technikai Egyetem gépi tanulási professzora, aki a kutatásban is részt vett.

Ide kattintva az algoritmus által lemodellezett kémiai folyamat látható.

Forrás: nature.com

Szerkesztő: arsratio

Oszd meg

Hozzászólás küldése

Az email címet nem tesszük közzé. A kötelező mezőket * karakterrel jelöljük.