Людський мозок працює повністю на хімічних реакціях, але його часто називають найпотужнішим комп’ютером у світі. Підтримуваний ЄС проєкт CORENET перевірив, чи можна використати подібний принцип у лабораторії: мережі хімічних реакцій у мікрофлюїдних реакторах обробляли дані, а штучний інтелект зчитував із них відповіді. Це галузь, де хімія, інформатика й аналіз даних сходяться за одним столом – а наприкінці ти можеш перевірити, чи підходить тобі такий спосіб роботи.
Коли люди думають про комп’ютери, вони зазвичай уявляють процесори, кабелі та екрани. Матеріал, опублікований CORDIS, починається з іншого порівняння: найпотужніший комп’ютер у світі – це людський мозок, і працює він повністю на хімічних реакціях. Звідси випливає питання, яке ставлять дослідники європейського проєкту CORENET: чи може хімія правити за взірець для зовсім нового виду обчислень?
Проєкт, який підтримує ЄС і фінансує Європейська рада з інновацій, створює обчислювальні пристрої, що імітують мозок. У них інформацію обробляють мережі хімічних реакцій, відомі як CRN. Молекули стають носіями даних, а спосіб, у який вони змінюються, – способом обробки цих даних. Робота є частиною ширших зусиль проєктів, що фінансуються ЄС, задля розвитку машинного навчання.
Вільгельм Гак (Wilhelm Huck), професор і керівник команди CORENET в Університеті Радбауд (Radboud University) у Нідерландах, пояснює ідею: «Нас надихнув людський мозок, який сам є хімічним процесором. Тож ми взялися показати, що динамічні мережі реакцій у мікрофлюїдному середовищі здатні виконувати обчислювальні завдання високого рівня».
Метод, який використали вчені, називається резервуарними обчисленнями (reservoir computing). Команда реалізувала його на мікрофлюїдних чипах – крихітних реакторах, крізь які протікають хімічні речовини. Відправна точка – хімічний вхідний шар, що складається з:
Разом ці елементи утворюють резервуар. Реакції починаються з простих вихідних молекул з одним або двома атомами вуглецю, а потім розширюють хімічний простір, породжуючи десятки структурно складніших сполук.
Головне те, що результат реакцій не випадковий. Вхідні умови пов’язані зі складом продуктів, тому різні налаштування на початку дають наприкінці різний візерунок молекул. Цю хімічну відповідь можна потім проаналізувати.
Тут на сцену виходять штучний інтелект і машинне навчання. Алгоритми вилучають із хімічної відповіді змістовну інформацію. На практиці частину обчислювальної роботи виконують реакції, а інструменти ШІ допомагають прочитати, що це означає.
Ключовим результатом стала успішна розробка й автоматизація робочих процесів хімічних резервуарних обчислень. Хімічні входи, що протікали крізь мікрофлюїдні реактори, давали нелінійні виходи, які аналізували та інтерпретували, щоб розв’язувати завдання класифікації та прогнозування, – проблеми, знайомі кожному, хто працював із машинним навчанням.
Дослідники також розробили протоколи для керування цими мережами реакцій, їх моніторингу та спрямування. За матеріалом, це вагомий крок до масштабованих обчислень на основі молекул.
Результати описано в знаковій статті в журналі «Nature» під назвою «Chemical reservoir computation in a self-organizing reaction network». Вона показала, як формозні реакції та споріднені системи можуть правити за молекулярні обчислювальні субстрати. Завершується подальша робота: вона має показати, що концепцію можна узагальнити, на прикладі ефективного резервуарного комп’ютера, побудованого на новорозробленій мережі реакцій.
CORENET показує, як стираються межі між напрямами навчання. Координатор проєкту Андрес де ла Ескосура (Andres de la Escosura), доцент Автономного університету Мадрида, наголошує, що успіх прийшов завдяки спільній роботі багатьох спеціалізацій: «Нас окрилило, наскільки успішним виявився цей підхід і як наша надзвичайна група вчених з академічного та промислового середовища об’єдналася, щоб узятися за цей великий виклик – поєднати системну хімію, мікрофлюїдику, метаболоміку та ШІ».
Для всіх, хто обирає спеціальність чи спеціалізацію, тут є кілька уроків. Хімік, який розуміється на аналізі даних, може опинитися в команді, що працює над майбутнім обчислень. Інформатик чи фахівець із машинного навчання може знайти цікаву роботу там, де дані надходять не з екрана, а з мікрореактора. Варто також зауважити, що вчені з академічної та промислової сфер працювали пліч-о-пліч, тож такі дослідження не замкнені в університетських стінах.
Якщо подивитися, над чим працювала команда, у таких проєктах щодня зустрічається кілька галузей знань: хімія реакцій і каталіз, мікрофлюїдика, аналіз хімічних сумішей та машинне навчання. Нікому не потрібно опановувати все одразу, але легше знайти своє місце в такій команді, коли розумієш мову суміжних галузей.
CORENET – це спроба створити обчислювальні пристрої, в яких інформацію обробляють хімічні реакції, за прикладом людського мозку. Дослідники показали, що мережі реакцій у мікрофлюїдних реакторах дають відповіді, які штучний інтелект може перетворити на розв’язання завдань класифікації та прогнозування. Така робота потребує людей із різних галузей, від системної хімії до ШІ.
Ця стаття ґрунтується на матеріалі, опублікованому службою CORDIS Європейської комісії.
5 запитань · одна хвилина
English
Čeština
Deutsch
Español
Français
Magyar
Italiano
Polski
Português
Русский
Slovenčina
Türkçe
Українська
العربية
中文