/nginx/o/2024/10/18/16426805t1hbc77.png)
:format(webp)/nginx/o/2024/07/26/16245659t1hd84b.jpg)
Florida osariigi ülikooli (Florida State University ehk FSU) keemia ja biokeemia osakonna teadlased on leidnud uue viisi kuivanud soolalahuse mustrite kasutamiseks masinõppe algoritmi koolitamisel, et tuvastada erinevate soolade keemiline koostis.
«Me võtame erinevate soolade keemilisi sõrmejälgi,» ütles keemia professor Oliver Steinbock. «Näiteks naatriumkloriid ehk keedusool – kõik selle tüübi proovid on sarnased. Igal proovil on erinevusi, kuid kõik näited on piisavalt erinevad teistest ainetüüpidest, et me saaksime kindlaks teha, millise soolaga on tegemist.»
Kui soolalahus kuivab, toimivad mitmesugused jõud. Keemikud on uurinud, kuidas vedeliku liikumine, kristallide kasv, keskkonnategurid ja muud protsessid määravad ladestumismustri. FSU teadlased lähenesid probleemile vastupidiselt: kas kuivanud lahuse tilga mustri põhjal on võimalik määrata, milline sool see oli?
Video erinevate soolade kasvust mikroskoobi all on vaadeldav siit. Autor: Oliver Steinbock:
Selleks salvestasid teadlased 7500 fotot 42 erinevat tüüpi soolajälgedest. Uue tarkvara abil kirjeldasid nad igat pilti 16 parameetriga, mida saab kiiresti masinõppe meetoditega analüüsida. Parameetrid hõlmavad näiteks ladestusala, kompaktsust ja tekstuuri. Iga pilt tõlgiti numbriteks, mis peensusteni kodeerivad mustrite kristallide paigutust rõngasteks, nõelteks ja lehetaolisteks kujunditeks.
Programmi ennustamisvõime testimiseks analüüsisid teadlased täiendavaid pilte, mis ei olnud algses andmekogumis. Programmid tuvastasid õige soola 90% juhtudest.
«Oli üllatav, kui hästi see töötas,» ütles Steinbock. «Kes oleks arvanud, et foto põhjal saab eristada naatriumkloriidi ja kaaliumkloriidi? Piltidel näevad nad väga sarnased välja. Kuid meetod on väga hea ja suudab neid aineid eristada.»
Teadlased plaanivad täiendada treeningandmekogu, analüüsides sadu tuhandeid uusi pilte, mis muudaks nende tööriista veelgi täpsemaks ja mitmekülgsemaks. See tohutu hulk nõuab labori automatiseerimist ja selline robotlik tilgapiltnik on praegu Steinbocki rühmas testimisel.
«Erinevalt inimesest suudavad arvuti ja meie tarkvara seda teha kvantitatiivselt,» ütles Steinbock. «Kui ma esitaksin teile 7500 pilti, läheksite hulluks. Kuid arvuti muutub piltide arvu kasvades aina paremaks.»
Võime kiiresti fotolt tuvastada proovi keemiline koostis omab palju potentsiaalseid rakendusi. Näiteks oleks keeruline ja kallis varustada teist planeeti uurivat kulgurit täisväärtusliku keemialaboriga, kuid kaamera pakub odavat ja kerget alternatiivi. Teised võimalikud rakendused hõlmavad materjalide testimist laboriohutuse tagamiseks, kahtlustatavate narkootikumide kiiret sõelumist või madalate kuludega vereanalüüse kohtades, kus puudub ligipääs haiglatele.
Selle lähenemisviisi teine eelis on, et see nõuab vaid minimaalset materjali kogust. Vaid mõne milligrammi soolaladestusega võivad kasutajad saada ülevaate, millega nad tõenäoliselt kokku puutuvad, ja teha teadlikke otsuseid edasise tegevuse kohta.
«Kui soovite saada umbkaudset aimu, mis see plekk või loik laborilaual on, võite seda kasutada esialgse analüüsina,» ütles Bruno Batista, Steinbocki labori vanemteadur ja artikli juhtiv autor.
Uurimistöö avaldati ajakirjas Proceedings of the National Academy of Sciences.
Allikas: Florida osariigi ülikool ja Phys.org