پلتفرمی که طراحی مواد را هوشمند کرد
به گزارش گوپا، تعدادی از محققان دانشگاه تولین آمریکا، پلت فرم مجانی و متن بازی با نام ViNAS-Pro را طراحی نموده اند که برای شبیه سازی و پیشبینی خواص نانومواد توسعه یافته است.
به گزارش گوپا به نقل از ایسنا، در حالی که طراحی و توسعه نانومواد جدید، یکی از پرهزینه ترین و زمان بالاترین فرایندها در علم مواد است، محققان دانشگاه تولین در آمریکا موفق شده اند با استفاده از هوش مصنوعی، مسیر این پروسه را دگرگون کنند. پلت فرم جدیدی با نام ViNAS-Pro توسعه یافته که بصورت رایگان و متن باز در اختیار جامعه علمی قرار گرفته و می تواند با تاکید بر مدلهای یادگیری ماشین و بانک داده های گسترده، خواص فیزیکوشیمیایی، سمیت و رفتار زیستی نانومواد را پیش بینی نماید. این سامانه نه فقط به محققان کمک می نماید تا مواد نو را قبل از ساخت واقعی شبیه سازی و تحلیل کنند، بلکه می تواند در صرفه جویی زمانی و مالی و کاهش آزمایش های حیوانی در تحقیقات زیست پزشکی نیز نقشی اساسی داشته باشد. ViNAS-Pro قدمی بزرگ در راستای هوشمندسازی پروسه کشف مواد و آینده ای مبتنی بر علم داده در فناوری نانو است.
پیشرفت های اخیر در عرصه یادگیری ماشین و علم داده، مسیر تازه ای پیش روی پژوهشگران علوم مواد و نانو قرار داده است. تا همین چند سال پیش، طراحی یک نانوماده جدید نیازمند آزمایش های پیچیده، هزینه های سنگین و زمان طولانی بود. اما حال با توسعه ابزارهای مبتنی بر هوش مصنوعی، محققان می توانند ساختار، رفتار و حتی سمیت احتمالی مواد نانویی را قبل از تولید واقعی، بصورت دقیق مدل سازی و پیشبینی کنند.
سامانه پژوهشگران دانشگاه تولین آمریکا بصورت یک ابزار جامع در عرصه نانواینفورماتیک (Nanoinformatics) عمل می کند و داده های ساختاری، زیستی و تجربی در رابطه با نانومواد را با الگوریتم های یادگیری ماشین ترکیب می کند تا تصویری دقیق تر از عملکرد و خاصیت های این مواد در اختیار کاربران قرار دهد.
از داده تا پیش بینی؛ قلب تپنده ViNAS-Pro
پایه و اساس ViNAS-Pro، یک بانک داده قدرتمند از اطلاعات ساختاری و نتایج آزمایشگاهی انواع نانومواد است. این پایگاه شامل داده هایی درباره ی ترکیب، ابعاد، مورفولوژی، بار سطحی و نتایج سنجش سمیت و واکنش زیستی مواد نانویی است.
این اطلاعات با استفاده از ماژول های تحلیلی مختلف، به مدلهای یادگیری ماشین تغذیه می شوند تا رابطه میان ساختار و خاصیت (structure–property relationship) بصورت خودکار استخراج شود.
در بخش تحلیل داده، ابزار Descriptor تعبیه شده که امکان استانداردسازی داده ها، حذف خطاهای آماری و تحلیل تنوع ساختاری نانومواد را بوسیله روش های آماری مانند تحلیل مؤلفه های اصلی (PCA) فراهم می آورد. این مرحله، داده های خام را به مجموعه ای قابل اعتماد برای آموزش مدلهای پیشبینی گر تبدیل میکند.
یکی از خاصیت های شاخص این پلتفرم، برخورداری از دو ماژول هوشمند است که نیازهای کاربران مختلف را پاسخ می دهد:
NanoPredictor: این بخش برای کاربران غیرمتخصص طراحی شده و شامل مدلهای از پیش آموزش دیده ای است که می توانند خاصیت هایی مانند سمیت، پایداری، واکنش پذیری و سازگاری زیستی نانومواد را برمبنای داده های موجود تخمین بزنند.
AutoNanoML: این ابزار امکان ساخت مدلهای اختصاصی را به محققان حرفه ای می دهد. کاربران می توانند داده های خودرا وارد کنند، الگوریتم های یادگیری ماشین را تنظیم کنند و برمبنای نیازهای خاص پژوهش خود، مدل هایی با دقت بالا بسازند.
این انعطاف پذیری موجب می شود ViNAS-Pro هم برای کاربران تازه کار و هم برای پژوهشگران حرفه ای در زمینه طراحی محاسباتی مواد قابل استفاده باشد.
کتابخانه مجازی برای دنیای واقعی
بخش دیگر این پلتفرم، «کتابخانه نانومواد مجازی» نام دارد. در این مخزن، صدها ساختار نانویی طراحی شده بصورت دیجیتال ذخیره شده است؛ بهمراه اطلاعات کاملی درباره ی خواص زیستی، سمیت و مشخصات فیزیکوشیمیایی هرکدام.
کاربران می توانند از این کتابخانه برای انتخاب ساختارهای امیدبخش استفاده کنند، داده ها را دانلود کرده و حتی بعنوان پایه ای برای طراحی مواد جدید به کار بگیرند.
این توانایی خصوصاً در صنایع داروسازی، پزشکی و مواد پیشرفته اهمیت دارد؛ جایی که پیشبینی عملکرد نانومواد قبل از ورود به مرحله تولید می تواند از خطاهای پرهزینه و تأخیرهای تحقیقاتی جلوگیری نماید.
پلی میان داده، شیمی و زیست فناوری
ViNAS-Pro تنها یک نرم افزار نیست؛ بلکه بستری است برای پیوند میان علم داده، شیمی محاسباتی و نانوفناوری. این سامانه بوسیله خدمات متنوع خود، همچون آپلود داده های جدید، محاسبه نانودسکریپتورها، طراحی ساختارهای نوین و انجام شبیه سازی های پیشرفته، به کاربران کمک می نماید تا داده های خودرا به دانش قابل استفاده تبدیل کنند.
چنین نگاهی نه فقط سرعت پژوهش را زیاد می کند، بلکه دقت مدل سازی های زیستی و مواد را نیز ارتقاء می بخشد. افزون بر این، استفاده از شبیه سازی بجای آزمایش های فیزیکی در بسیاری موارد می تواند نیاز به آزمایش های حیوانی را کاهش داده و مسیر پژوهش های اخلاقی تر و پایدارتر را هموار کند.
گامی به طرف آینده نانومواد هوشمند
ورود هوش مصنوعی به عرصه طراحی مواد، نویدبخش عصری است که در آن، کشف و توسعه مواد جدید دیگر بر پایه آزمون و خطا نخواهد بود. ابزارهایی چون ViNAS-Pro نشان می دهند که چطور می توان از هم افزایی میان داده های علمی و الگوریتم های هوشمند برای دستیافتن به نانومواد با عملکرد هدفمند بهره برد.
سرانجام، چنین پلت فرم هایی نه فقط به پژوهشگران در عرصه های دانشگاهی، بلکه به صنایع نانو، داروسازی، پزشکی و انرژی کمک می کنند تا در زمانی کوتاه تر و با هزینه ای کمتر، به طراحی مواد کارآمدتر و ایمن تر دست یابند.
به نظر می آید آینده علم مواد و نانو، بالاتر از هر زمان دیگری با هوش مصنوعی گره خورده است؛ جایی که داده، الگوریتم و خلاقیت انسانی در کنار هم، مسیر کشف های بزرگ علمی را روشن می کنند.
حرف آخر اینکه این سامانه نه فقط به پژوهشگران کمک می نماید تا مواد نو را پیش از ساخت واقعی شبیه سازی و تحلیل کنند، بلکه می تواند در صرفه جویی زمانی و مالی و کاهش آزمایش های حیوانی در تحقیقات زیست پزشکی هم نقشی اساسی داشته باشد. کتابخانه مجازی برای دنیای واقعی بخش دیگر این پلتفرم، کتابخانه نانومواد مجازی نام دارد. پلی میان داده، شیمی و زیست فناوری ViNAS-Pro تنها یک نرم افزار نیست؛ بلکه بستری است برای پیوند میان علم داده، شیمی محاسباتی و نانوفناوری.
منبع: goopa.ir
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب