Yeni Yapay Zeka Tekniği Biyomalzemelerde Yeniliklere Yol Açabilir

Fotoğraf : Kimya mühendisliği doktora öğrencisi Soumil Joshi (ön planda), Yardımcı Doçent ve birincil araştırmacı Sanket Deshmukh ile biyomateryalleri analiz etmek için yeni bir yapay zeka modeli üzerindeki çalışmaları tartışıyor. Joshi, Nature dergisine bağlı bir çevrimiçi dergide yakın zamanda yayınlanan araştırma makalesinin baş yazarıydı . Kredi: Virginia Tech’den Tonia Moxley

İnovasyon genellikle yeni ürünlere yol açar, ancak yeni yöntemler aynı derecede çığır açıcı olabilir.

Kimya mühendisliği doktora öğrencisi Soumil Joshi’yi yerlisi olduğu Hindistan’ın Mumbai kentinden 2019’da Virginia Tech’e çeken bu yöntemlerin geliştirilmesine yardımcı olma fırsatı oldu.

Joshi, “Burası özellikle kimya mühendisliği alanında harika bir okul ve polimerler üzerinde yapılan araştırmalar ile ünlü, bu çalışmaları burada yaptığıma müteşekkirim.” dedi.

Mart ayında, kendisinin ve danışmanı Yardımcı Doçent Sanket Deshmukh’un önemli biyomedikal gelişmelere yol açacağını umdukları polimerlerle çalışmak için yeni bir hesaplama yöntemini açıklayan üç yıllık çalışmanın sonucu olan makalede ilk yazar olarak adının listelenmesini sağladı.

“Sıcaklığa duyarlı şişe fırçalarının şekillerini karşılaştırmak için Konvolüsyonel Sinir Ağı ile entegre olan iri taneli moleküler dinamikler” başlıklı makalede, önemli yumuşak malzemelerin şeklini analiz etmek ve davranışlarını tahmin etmek için yapay zeka kullanan, ortak yazar ve konuk bilim adamı Samrendra Singh da dahil olmak üzere Deshmukh Laboratuvarı tarafından geliştirilen bir yöntem ayrıntılı olarak ele alınmaktadır.

Nature dergisinin npj Computational Materials adlı açık erişimli dergisinde yayınlandı ve yalnızca biyomalzemelerde yeni keşifler sağlama sözü vermekle kalmıyor, aynı zamanda kimya mühendisliğinde büyük veri, yapay zeka ve hesaplama biliminin artan önemini vurguluyor.

Deshmukh, bu bilgisayar destekli yeniliklerin bir dizi alanda ilerleme sağlamak için kritik öneme sahip olduğunu söyledi. “Mevcut yöntemlerle çözülemeyen uzun süredir devam eden bilimsel problemler var, bu yüzden problemleri çözmek ve yeni yöntemler geliştirmek birlikte ele alınıyor.”

Araştırmacılar, “yumuşak malzemeler” ile çalışmak için “derin öğrenme” yöntemini geliştirdiler.

Derin öğrenmede, yapay zeka sistemleri, insan gözetimi olsun ya da olmasın, kalıpları tanımak, problemler üzerinde çalışmak ve görevleri gerçekleştirmek için eğitilir. Yumuşak malzemeler sıvıları, polimerleri, glikomateryalleri, köpükleri, jelleri ve çoğu yumuşak biyolojik malzemeyi içerebilir. Diş macunu, yağlayıcılar ve sıvı kristal ekranlardan ilaç salınım sistemlerine ve doku iskelelerine kadar çok çeşitli ürün ve uygulamalarda kullanılırlar. Ancak davranışlarını, özellikle polimerleri analiz etmeye ve tahmin etmeye yönelik geleneksel hesaplama yöntemleri, gelişimlerinde ilerlemeyi engelleyen sınırlı faydaya sahiptir.

Bu engeli aşmaya yardımcı olmak için araştırmacılar “şişe fırçası” adı verilen dallanmış, ağaç benzeri polimerlerle çalıştılar. Farklı şekilleri işlevlerini belirleyen biyomoleküllerden ilham alıyorlar. Deshmukh, bunları laboratuvarda sentezlemek yeni tıbbi tedaviler ve diğer endüstri uygulamalarına yol açabileceğini söyledi. Ancak bu zor olabilir, çünkü polimerler sıcaklığa ve diğer faktörlere bağlı olarak hızla şekil değiştirir. Bu değişiklikleri analiz etmek ve tahmin etmek için etkili ve doğru bir yöntem olmadan sentetik sürümler oluşturmak zordur.

Yeni süreçlerinde, polimerlerdeki şekil ve işlev benzerliklerini tanımlamak ve tahmin etmek için konvolüsyonel sinir ağları (CNN) adı verilen ve iyi bilinen derin öğrenme sistemi kullanılıyor. Bu sistem bilgisayar yardımı olmadan yapılamayacak bir şeydir.

Deshmukh, yapay zekayı bu polimer sorununa uygulamanın “yumuşak malzemeler alanında derin öğrenme yöntemlerinin potansiyelini gösterdiği için çığır açan bir durum olduğunu” söyledi. “Prensip olarak, şekillerin nasıl değiştiğini anlarsak bunları kontrol edebileceğimizi umuyoruz.”

Yöntemlerinin işe yarayacağını kanıtlamak için Joshi, 100 benzersiz CNN modeli çalıştırarak sisteme benzer şekillere sahip şişe fırçalarını tanımlamayı öğretti. Proje zorluydu, çünkü modele polimerlerde hangi veri ve özelliklerin aranacağını öğretmek için özenli bir çalışma gerektirdi, aynı zamanda araştırmacılar hangi özelliklerin alakalı olduğunu hemen bilemedikleri için bunu çözmeleri gerekiyordu.

Deshmukh, modellerin geliştirilmesinde bir yıldan fazla bir süre gerektiğini söyledi. “Singh ve Joshi, ilgili verilerin işlenmesini tanımlamak ve CNN modelinin doğru bilgileri aldığından emin olmak için daha da geliştirmek için harika bir iş çıkarmıştı.”

Joshi, “Hangi özelliklerin kullanılacağına ilişkin ilk beyin fırtınasının çoğu, birçok olumsuz seçeneğin ortadan kaldırılmasına yardımcı olan Dr. Singh ve Dr. Deshmukh tarafından yapıldı.” dedi. “Bu, kodlamak ve analiz algoritmamıza dahil etmek için kullandığımız mevcut metodolojimize odaklanmamıza yardımcı oldu.”

Joshi, sonuçların son derece umut verici olduğunu ve ekibin bu tekniğin kullanımını her canlı organizmanın ürettiği karbonhidrat bazlı yumuşak malzemeler olan artan glikomalzeme alanına genişletmeyi umduğunu söyledi.

Bu yumuşak malzemeler, sağlıkta ve hastalıkta kritik rol oynayan glikoz adı verilen şeker zincirlerini içerir. Glikozlar, proteinler, lipitler ve nükleik asitler olmak üzere yaşamın dört yapı taşından biri olan glikozlar, en karmaşık ve anlaşılması en zor olanlardır. Ancak CNN bu alanda ilerlemeyi hızlandırabilirdi.

Deshmukh, “Bu şişe fırçası yapılarını sentetik polimerler için oluşturduğumuz gibi, glikomalzeme ve bu glikoz gibi polimerler kullanılarak oluşturulabilecek çok sayıda mimari var.” dedi.

Deshmukh, “İşbirlikçilerimizin biyomedikal uygulamalar için kullanılabilecek yeni glikomalzeme türleri tasarlamalarında yardımcı olmayı planlıyoruz.” dedi. “Gerçekten heyecan verici.”

Bölüm başkanı Steven Wrenn, bu araştırmanın kimya mühendisliğinde veri biliminin ve makine öğreniminin artan önemine de işaret ettiğini söyledi.

Wrenn, “Mezunlarımızın veri bilimcilerle nasıl çalışacağını ve bilgisayar modellemeyi kendi işlerinde nasıl kullanacağını bilmeleri önemlidir.” dedi. “Bu eğitim, öğrencilerimizi işverenler ve lisansüstü programlar için çok daha cazip hale getirir.”

Aslında bölüm, onaylandığı takdirde lisans öğrencilerini bilgisayar bilimini kimyasal mühendisliğe uygulama konusunda eğitecek yeni bir bilgi işlem ve veri bilimi çalışması üzerinde çalışıyor. Deshmukh, çalışma sahasının geliştirilmesine katıldı.

Deshmukh, “Veri bilimi ve yapay zekada kimyasal bir tesiste çalışacak bir kimya mühendisinin eğitimi, onları gerçek bir varlık haline getiriyor.” dedi. “Çünkü kimya endüstrisindeki geleneksel yöntemlerle çözülemeyen sorunların çözümüne yardımcı olacaklar.”

Kaynak : phys.org