مقالات

محققان در مسیر سریع برای ایجاد شبکه باز هستند

مقالات علمی با ترجمه مستقیم سایت بزرگ دنیای خوب زندگی

ترکیب

اعتبار: دامنه عمومی CC0

د. تایلر مک وود ، دکترا ، استاد دانشکده مهندسی دانشگاه ویرجینیا مشترک المنافع ، یک محقق ارشد در یک پروژه چند دانشگاه است که به دنبال استفاده از هوش مصنوعی است تا دانشمندان را در یافتن مولکول مناسب برای همه چیز از شامپو بهتر تا تراشه های پیشرفته پوشش استفاده کند.

این پروژه از نخستین مواردی است که در ایالات متحده به عنوان بخشی از یک پروژه آزمایشی جدید بنیاد ملی علوم به نام Convergence Accelerator (C-Accel) با بودجه 994،433 دلار انتخاب شده است. مک کواد و همفکران وی در تلاش برای تأمین بودجه اضافی تا 5 میلیون دلار در طی 5 سال ، نمونه اولیه خود را در مارس 2020 ارائه می دهند.

آدام لوکسسون ، دانشجوی دکتری گروه مهندسی شیمی و علوم زندگی که از ابتدا در آن شرکت کرده بود ، اینگونه توضیح داد: "ما می خواهیم الکسا را ​​در شیمی تشکیل دهیم."

درست همانطور که آمازون ، گوگل و نتفلیکس از الگوریتم های داده برای ارائه پیش بینی های سفارشی استفاده می کنند ، این تیم قصد دارد یک شبکه باز ایجاد کند که بتواند داده های علم مولکولی به دست آمده از طیف وسیعی از منابع از جمله آکادمی ، صنعت و دولت را بسازد و به کاربران کمک کند.

این ایده مطابق با پروژه بزرگ ایده های NSF با عنوان "بهره برداری از انقلاب داده ها" است تا جامعه پژوهش را در ایجاد زیرساخت های الکترونیکی پیشرفته برای تسریع در تحقیقات فشرده داده ها درگیر کند.

این تیم تجربه در بسیاری از رشته ها را نشان می دهد. آنها با مک کواد کار می کنند. جیمز کی. فری ، دکترا ، استاد ، گروه مهندسی شیمی و علوم زندگی ، دانشگاه مشترک المنافع ویرجینیا؛ دکتر باریش ، دکتری ، استاد شیمی و فلوید صندلی و الیزابت س. گوتوالد ، گروه شیمی ، دانشگاه ریچموند ؛ آدریان روتبرگ ، دکتری ، استاد ، گروه شیمی ، دانشگاه فلوریدا. دو شرکت نیز درگیر هستند: دو یا شش آزمایشگاه که مقر آن در آرلینگتون ، ویرجینیا و طراحی اطلاعات وااتوم مستقر در بوستون است.

در حال حاضر ، هیچ شبکه یا پورتال مشترک وجود ندارد که دانشمندان و مهندسین مولکولی بتوانند از ابزارهای هوش مصنوعی و علوم داده برای ساختن مدلهایی برای تأمین نیازهای خود استفاده کنند. در حالی که دانشمندان توانسته اند عناصر تشکیل دهنده یک مولکول ، چگونگی چیدمان اتم ها و خواص مولکول (مانند نقطه ذوب) را تجسم کنند ، اما روش استاندارد برای نمایش یا پیش بینی عملکرد مولکولی وجود ندارد.

این تیم قصد دارد با ترویج مفهوم "رد پای مولکولی" این خلاء ها را پر کند. همكاران با تركیب خط ، هندسه و محاسبات شیمیایی كوانتومی در یك قالب یادگیری ماشین ، سیستم جدیدی را ارائه می دهند.

آنها یک بستر متمرکز برای جمع آوری داده ها ایجاد می کنند ، این اثر انگشت های مولکولی را ایجاد می کنند و الگوریتم هایی را برای داده کاوی توسعه می دهند و ابزارهای یادگیری ماشینی را برای ایجاد مدل های پیش بینی عملکرد توسعه می دهند.

پاریش گفت: "توانایی محاسبه خواص مولکولی با استفاده از تکنیک های محاسباتی و سازگاری این داده ها با اندازه گیری های تجربی ، پایگاه داده هایی را ایجاد می کند که به جامع ترین نتایج در علم مولکولی دست یابد."

وی افزود: "آزمایشگاههای بسیاری در سراسر جهان در این زمینه مشغول به کار هستند ؛ اما ساختارهای سازمانی اندکی در دسترس هستند که اشتراک گذاری آزاد این داده ها را به نفع جامعه و منافع عمومی تشویق می کنند." "ما به دنبال همکاری با دیگران برای تهیه این ساختار هستیم ؛ یک شبکه دانش یا مخزن باز که دانشمندان می توانند داده های تجربی و محاسباتی خود را در سطح مولکولی در ازای ابزارهای با کاربرد آسان برای کمک به مدیریت و پرس و جو داده ها واریز کنند."

پاسخ اولیه به ایده آنها از شرکای بالقوه قوی بود. Ferri و دیگران قبلاً بیش از دهها پیام از شرکتهای بزرگ مانند Dow و Merck برای ابراز علاقه به مشارکت جمع آوری کرده اند.

مک ول گفت: مهندسان شیمی در صنایع کلیدی ، از جمله محصولات مصرفی و تولید کنندگان نفت و گاز ، آزمایش های زیادی را انجام می دهند تا مشخص کنند چه مولکولی می خواهند از آنها استفاده کنند ، مانند یافتن بهترین افزودنی شامپو که گریه برای کودکان ندارد.

وی گفت: "توانایی طراحی ویژگی های مورد نظر شما هنوز بیشتر از علم است."

این تیم همچنین قصد دارد تا ابزاری برای پردازش و تجسم داده ها ایجاد کند.

Roetberg ، که تحقیق خود را بر روی تجسم پیشرفته متمرکز است ، گفت: این ممکن است به شکل یک دنیای واقعیت مجازی باشد که در آن کاربر می تواند به عنوان مثال مواد محلول در آب را پیدا کند اما نه روغن و سپس قادر به جستجوی مطالب مشابه در این نزدیکی باشد.

وی گفت: "ما یک بستر بسیار تعاملی را پیش بینی می کنیم که کاربر بتواند روابط بین داده ها و خصوصیات مواد مورد نیاز را کشف کند."


شیمی کوانتومی تعاملی در واقعیت مجازی


ارسال شده توسط
دانشگاه مشترک المنافع ویرجینیا




استناد:
“ الکسا در شیمی »: محققان در مسیر سریع برای ایجاد شبکه باز (2019 ، 12 سپتامبر)
برگرفته شده در 12 سپتامبر 2019
از https://phys.org/news/2019-09-alexa-chemistry-fast-track-network.html

این سند مشمول حق چاپ است. جدا از هرگونه معاملات منصفانه به منظور مطالعه و تحقیق خود ، خیر
بخشی را می توان بدون اجازه کتبی تکثیر کرد. محتوا فقط برای اهداف اطلاعاتی ارائه می شود.

نوشته های مشابه

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

بستن