Инновации часто приводят к появлению новых продуктов, но новые методы могут быть столь же новаторскими.

Это был шанс помочь разработать те методы, которые привлекли докторанта химического машиностроения Сумила Джоши из его родного Мумбаи, Индия, в Технологический институт Вирджинии в 2019 году.

«Это отличная школа, особенно в области химического машиностроения, и она действительно известна своими исследованиями полимеров, чем я очень благодарен, — сказал Джоши.

А в марте три года работы привели к тому, что его имя было указано в качестве первого автора статьи, описывающей новый вычислительный метод для работы с полимерами, который, как надеются он и его советник, доцент Санкет Дешмукх, приведет к значительным достижениям в области биомедицины.

В документе под названием «Крупнозернистая молекулярная динамика, интегрированная со сверточной нейронной сетью для сравнения форм чувствительных к температуре щеток для бутылок», подробно описывается метод, разработанный лабораторией Дешмукха, в том числе соавтором и приглашенным ученым Самрендрой Сингхом, который использует искусственный интеллект для анализа форму важных сложных мягких материалов и прогнозировать их поведение.

Он был опубликован в npj Computational Materials , журнале с открытым доступом от Nature, и не только обещает новые открытия в области биоматериалов, но и подчеркивает растущую важность больших данных, искусственного интеллекта и вычислительной науки в химической инженерии.

По словам Дешмукха, эти компьютерные инновации имеют решающее значение для достижения прогресса в ряде областей. «Есть давние научные проблемы, которые невозможно решить существующими методами, поэтому решение проблем и разработка новых методов идут рука об руку».

Исследователи разработали свой метод «глубокого обучения» для работы с так называемыми «мягкими материалами».

При глубоком обучении системы искусственного интеллекта обучаются распознавать закономерности, работать над проблемами и выполнять задачи — под наблюдением человека или без него. Мягкие материалы могут включать жидкости, полимеры, гликоматериалы, пены, гели и большинство мягких биологических материалов. Они используются в широком спектре продуктов и приложений, от зубной пасты, смазочных материалов и жидкокристаллических дисплеев до систем доставки лекарств и тканевых каркасов. Но традиционные вычислительные методы анализа и прогнозирования их поведения, особенно полимеров, имеют ограниченную полезность, что препятствует прогрессу в их развитии.

Чтобы помочь преодолеть этот затор, исследователи работали с типом разветвленных древовидных полимеров, называемых «щетками для бутылок». Их вдохновили биомолекулы, различная форма которых определяет их функции. По словам Дешмукха, их синтез в лаборатории может привести к новым методам лечения и другим отраслевым применениям. Но это может быть сложно, потому что полимеры быстро меняют форму в зависимости от температуры и других факторов. Без эффективного и точного способа анализа и прогнозирования этих изменений создание синтетических версий затруднено.

В их новом процессе используется хорошо известная система глубокого обучения под названием Convolutional Neural Network, или CNN, для выявления и прогнозирования сходства в форме и функциях полимеров, что невозможно сделать без помощи компьютера.

Применение искусственного интеллекта к этой полимерной проблеме является «новаторским, потому что оно показывает потенциал методов глубокого обучения в области мягких материалов», — сказал Дешмукх. «Итак, в принципе, если мы поймем, как меняются формы, то, надеюсь, мы сможем ими управлять».

Чтобы доказать, что их метод работает, Джоши запустил 100 уникальных моделей CNN, научив систему идентифицировать щетки для бутылок с похожей формой. Проект был сложным не только потому, что требовалось кропотливой работы, чтобы научить модель тому, какие данные и свойства искать в полимерах, но и потому, что исследователи не сразу знали, какие свойства имеют значение. Они должны были выяснить это в первую очередь.

По словам Дешмукха, разработка моделей заняла более года. «Сингх и Джоши проделали фантастическую работу, определив обработку соответствующих данных, а затем уточнив их, чтобы убедиться, что модель CNN получает правильную информацию».

«Большая часть первоначального мозгового штурма по поводу того, какие функции использовать, была проведена доктором Сингхом и доктором Дешмукхом, что помогло исключить множество неблагоприятных вариантов», — сказал Джоши. «Это помогло нам сосредоточиться на нашей текущей методологии, которую я использовал для кодирования и включения в наш алгоритм анализа».

По словам Джоши, результаты были очень многообещающими, и команда надеется расширить использование этой техники в растущей области гликоматериалов — мягких материалов на основе углеводов, производимых каждым живым организмом.

Эти мягкие материалы содержат цепочки сахаров, называемые гликанами, которые играют решающую роль в здоровье и болезнях. Из четырех строительных блоков жизни — гликанов, белков, липидов и нуклеиновых кислот — гликаны являются самыми сложными и сложными для понимания. Но CNN может подстегнуть прогресс в этой области.

«Итак, точно так же, как мы создали эти структуры щетки для бутылок для синтетических полимеров, существует множество архитектур, которые можно создать с использованием гликоматериалов и полимеров, таких как эти гликаны», — сказал Дешмукх.

«Мы планируем помочь нашим сотрудникам разработать новые типы гликоматериалов, которые можно использовать в биомедицинских целях», — сказал Дешмукх. «Это действительно захватывающе».

Это исследование также указывает на растущую важность науки о данных и машинного обучения в химической инженерии, сказал руководитель отдела Стивен Ренн.

«Важно, чтобы наши выпускники знали, как работать с исследователями данных и использовать компьютерное моделирование в своей работе», — сказал Ренн. «Это обучение сделает наших студентов намного более привлекательными для работодателей и выпускников программ».

Фактически, кафедра работает над новым направлением обучения в области вычислений и науки о данных, которое, если оно будет одобрено, будет обучать студентов применять информатику в химическом машиностроении. Дешмукх участвует в разработке курса обучения.

«Обучение инженера-химика, который собирается работать на химическом заводе, науке о данных и искусственному интеллекту делает его настоящим активом», — сказал Дешмукх. «Потому что они помогут решить проблемы в химической промышленности, которые невозможно решить традиционными методами».