پیشرفتی جدیدی با کمک هوش مصنوعی انجام شده که امکان مشاهده رفتار نانوذرات را فراهم می‌کند. این قابلیت برای توسعه مواد دارویی، الکترونیکی و صنعتی بسیار راهگشا است.
استفاده از هوش مصنوعی برای درک بهتر رفتار نانوذرات
تیمی از دانشمندان موفق به توسعه روشی شده‌اند که رفتار پویای نانوذرات را، که از اجزای اساسی در تولید داروها، وسایل الکترونیکی و مواد صنعتی و انرژی محسوب می‌شوند، شفاف‌تر می‌کند. نتایج این پیشرفت که در مجله Science منتشر شده است، ترکیبی از هوش مصنوعی و میکروسکوپ الکترونی را برای نمایش بصری نحوه واکنش این ذرات ریز به محرک‌ها ارائه می‌دهد.
کارلوس فرناندز-گراندا (Carlos Fernandez-Granda)، مدیر مرکز علوم داده دانشگاه نیویورک و استاد ریاضیات و علوم داده، که یکی از نویسندگان این پژوهش است، توضیح می‌دهد: «سیستم‌های کاتالیستی مبتنی بر نانوذرات تأثیر بسیار گسترده‌ای بر جامعه دارند. تخمین زده می‌شود که ۹۰ درصد از تمام محصولات تولیدی در فرآیندهای تولیدی خود از واکنش‌های کاتالیستی بهره می‌برند. ما یک روش هوش مصنوعی توسعه داده‌ایم که پنجره‌ای جدید برای بررسی پویایی ساختاری مواد در مقیاس اتمی باز می‌کند.»
این پژوهش که با مشارکت محققانی از دانشگاه ایالتی آریزونا (Arizona State University)، دانشگاه کرنل (Cornell University) و دانشگاه آیووا (University of Iowa) انجام شده است، ترکیب میکروسکوپ الکترونی و هوش مصنوعی را برای مشاهده ساختارها و حرکات مولکولی در مقیاس یک میلیاردم متر با وضوح زمانی بی‌سابقه ممکن می‌سازد.
پیتر اِی. کروزیه (Peter A. Crozier)، استاد مهندسی مواد در دانشگاه ایالتی آریزونا و یکی از نویسندگان مقاله، می‌گوید: «میکروسکوپ الکترونی می‌تواند تصاویر را با وضوح فضایی بالا ثبت کند، اما از آنجا که ساختار اتمی نانوذرات در طول واکنش‌های شیمیایی با سرعت زیادی تغییر می‌کند، لازم است که داده‌ها با سرعت بالا جمع‌آوری شوند تا بتوان عملکرد آن‌ها را درک کرد. این امر منجر به ثبت داده‌هایی با نویز بسیار زیاد می‌شود. ما یک روش هوش مصنوعی توسعه داده‌ایم که به‌صورت خودکار این نویز را حذف کرده و امکان مشاهده دقیق پویایی‌های اتمی را فراهم می‌کند.»
مشاهده حرکت اتم‌ها در یک نانوذره برای درک عملکرد آن در کاربردهای صنعتی امری حیاتی است. مشکل اینجاست که این اتم‌ها در داده‌های ثبت‌شده به‌سختی قابل تشخیص هستند، به‌طوری‌که دانشمندان نمی‌توانند به‌طور دقیق نحوه رفتار آن‌ها را مشخص کنند. این وضعیت را می‌توان به ضبط ویدئویی در شب با یک دوربین قدیمی تشبیه کرد که در آن اشیاء به‌خوبی دیده نمی‌شوند. برای حل این چالش، نویسندگان مقاله یک شبکه عصبی عمیق طراحی کرده‌اند که می‌تواند تصاویر میکروسکوپ الکترونی را «روشن کند» و ساختارهای اتمی و رفتار آن‌ها را آشکار سازد.
دیوید اِس. متسون (David S. Matteson)، استاد و معاون گروه آمار و علوم داده دانشگاه کرنل، مدیر مؤسسه ملی علوم آماری و یکی از نویسندگان مقاله، می‌گوید: «ماهیت تغییرات در نانوذرات بسیار متنوع است و شامل دوره‌های متلاطم می‌شود که در آن تغییرات سریع در ساختار اتمی، شکل و جهت‌گیری ذرات رخ می‌دهد. درک این پویایی‌ها نیازمند ابزارهای آماری جدید است. این مطالعه یک آمار جدید معرفی می‌کند که از تحلیل داده‌های توپولوژیکی برای کمی‌سازی میزان تغییرات ساختاری و بررسی پایداری نانوذرات در هنگام انتقال بین حالت‌های منظم و نامنظم استفاده می‌کند.»
