Alat pembelajaran mesin melakukan tugas stereokimia pada gambar SPM | Riset

Alat pembelajaran mesin melakukan tugas stereokimia pada gambar SPM |  Riset post thumbnail image

Hadiah hari ini Keluaran SGP 2020 – 2021.

Perangkat lunak yang memberi label kiral pada gambar molekul pemindaian probe mikroskop (SPM) telah dikembangkan oleh para ilmuwan di Singapura.

Mengetahui kiralitas molekul sangat penting untuk banyak aplikasi termasuk katalisis heterogen, pemisahan kiral, pengembangan obat, dan apa pun yang bergantung pada pengenalan permukaan. Menentukan kiralitas secara manual dari gambar SPM dapat memakan waktu hingga beberapa hari untuk sistem yang kompleks, sehingga membuat sistem otomatis diinginkan.

Sekarang, para ilmuwan dari kelompok kecerdasan buatan dan kelompok pencitraan atom di Universitas Nasional Singapura telah berkolaborasi untuk membuat algoritme pembelajaran mesin yang melakukan hal itu. Mereka mengujinya pada dua rakitan supramolekul yang padat, yang terdiri dari unit heksadimetilfenilbenzena dan heksadimetilfenilbenzena tersubstitusi fluor, dan menemukannya secara akurat mengidentifikasi pusat kiral hanya dalam beberapa jam.

Analisis gambar SPM saat ini ‘bergantung pada kemampuan manusia untuk menganalisis, mengklasifikasikan, dan menafsirkan variasi kontras STM yang sangat halus pada skala nano’ dan karenanya memakan waktu dan rentan terhadap kesalahan, jelas Jiong Lu yang memimpin kelompok pencitraan atom. Karena itu, menggunakan pembelajaran mesin untuk mengenali pusat kiral secara otomatis akan bermanfaat.

Diagram langkah-langkah pembelajaran mesin

Memimpin kelompok kecerdasan buatan, Xiaonan Wang mengatakan kerangka kerja menunjukkan ‘kinerja luar biasa, bahkan pada gambar non-ideal yang mengandung fitur ketidaksempurnaan … dengan jumlah data pelatihan yang terbatas’, sehingga menunjukkan modelnya kuat. Beberapa pengguna SPM yang berpengalaman memeriksa ulang kinerja model ini dengan memberi label secara manual pada molekul yang diuji juga. Dan ada potensi untuk memasukkan sistem ke dalam perangkat lunak STM saat ini, sehingga nyaman digunakan.

SPM adalah teknik yang umum digunakan untuk menganalisis struktur nano. Magalí Lingenfelder, yang memimpin laboratorium Max Planck–EPFL untuk ilmu nano molekuler di Lausanne, Swiss, telah menggunakan SPM selama beberapa dekade dan berkomentar bahwa ‘tidak mengherankan bahwa pembelajaran mesin dapat memiliki dampak luar biasa dalam analisis gambar otomatis.’ Namun, Lingenfelder memperingatkan bahwa ‘pembelajaran mesin untuk analisis SPM masih dalam tahap awal … Saya masih akan mempercayai mata saya atas algoritma apa pun untuk sementara waktu,’ tetapi akan dengan senang hati menerimanya setelah teknologi membaik.

‘Jika molekulnya prokiral seperti dalam penelitian ini, penugasan bahkan lebih sulit untuk dibuat,’ kata Lingenfelder. Jadi, menggunakan algoritme untuk mendeteksi kiralitas atau konformasi molekuler dalam sistem yang kompleks, terutama dalam sistem prokiral, dapat berdampak besar. ‘Revolusi akan datang,’ tambah Lingenfelder. ‘Kita harus menyambutnya, itu dimaksudkan untuk menyederhanakan pekerjaan kita.’

Lu dan Wang berharap penelitian ini akan berkembang menjadi model yang berlaku untuk berbagai sistem molekuler dan lebih umum. Mereka sekarang bertujuan untuk menggabungkan sistem pembelajaran mesin yang berbeda ke dalam instrumen SPM untuk melakukan tugas padat karya lainnya yang dapat mempercepat alur kerja penemuan materi.

Related Post