Человеческий мозг работает целиком на химических реакциях, но его часто называют самым мощным компьютером в мире. Поддерживаемый ЕС проект CORENET проверил, можно ли использовать похожий принцип в лаборатории: сети химических реакций в микрофлюидных реакторах обрабатывали данные, а искусственный интеллект считывал из них ответы. Это область, где химия, информатика и анализ данных сходятся за одним столом, а в конце ты можешь проверить, подходит ли тебе такой способ работы.
Когда люди думают о компьютерах, они обычно представляют процессоры, кабели и экраны. Материал, опубликованный CORDIS, начинается с другого сравнения: самый мощный компьютер в мире – это человеческий мозг, и работает он целиком на химических реакциях. Отсюда следует вопрос, который задают исследователи европейского проекта CORENET: может ли химия служить образцом для совершенно нового вида вычислений?
Проект, поддерживаемый ЕС и финансируемый Европейским советом по инновациям, создаёт вычислительные устройства, имитирующие мозг. В них информацию обрабатывают сети химических реакций, известные как CRN. Молекулы становятся носителями данных, а способ, которым они изменяются, – способом обработки этих данных. Работа входит в более широкую инициативу проектов, финансируемых ЕС, по развитию машинного обучения.
Вильгельм Гак (Wilhelm Huck), профессор и руководитель команды CORENET в Университете Радбауд (Radboud University) в Нидерландах, объясняет идею: «Нас вдохновил человеческий мозг, который сам является химическим процессором. Поэтому мы решили показать, что динамические сети реакций в микрофлюидной среде способны выполнять вычислительные задачи высокого уровня».
Метод, который применили учёные, называется резервуарными вычислениями (reservoir computing). Команда реализовала его на микрофлюидных чипах – крошечных реакторах, через которые протекают химические вещества. Отправная точка – химический входной слой, состоящий из:
Вместе эти элементы образуют резервуар. Реакции начинаются с простых исходных молекул с одним или двумя атомами углерода, а затем расширяют химическое пространство, порождая десятки структурно более сложных соединений.
Главное в том, что результат реакций не случаен. Входные условия связаны с составом продуктов, поэтому разные настройки в начале дают в конце разный узор молекул. Этот химический отклик затем можно проанализировать.
Здесь на сцену выходят искусственный интеллект и машинное обучение. Алгоритмы извлекают из химического отклика содержательную информацию. На практике часть вычислительной работы выполняют реакции, а инструменты ИИ помогают прочитать, что это значит.
Ключевым результатом стала успешная разработка и автоматизация рабочих процессов химических резервуарных вычислений. Химические входы, протекавшие через микрофлюидные реакторы, давали нелинейные выходы, которые анализировали и интерпретировали для решения задач классификации и прогнозирования – проблем, знакомых каждому, кто работал с машинным обучением.
Исследователи также разработали протоколы для управления этими сетями реакций, их мониторинга и направления. Согласно материалу, это важный шаг к масштабируемым вычислениям на основе молекул.
Результаты описаны в знаковой статье в журнале «Nature» под названием «Chemical reservoir computation in a self-organizing reaction network». Она показала, как формозные реакции и родственные системы могут служить молекулярными вычислительными субстратами. Завершается последующая работа: она должна показать, что концепцию можно обобщить, на примере эффективного резервуарного компьютера, построенного на вновь разработанной сети реакций.
CORENET показывает, как стираются границы между направлениями обучения. Координатор проекта Андрес де ла Эскосура (Andres de la Escosura), доцент Автономного университета Мадрида, подчёркивает, что успех пришёл благодаря совместной работе многих специализаций: «Нас воодушевило, насколько успешным оказался этот подход и как наша выдающаяся группа учёных из академической и промышленной сред объединилась, чтобы взяться за эту большую задачу – соединить системную химию, микрофлюидику, метаболомику и ИИ».
Для всех, кто выбирает специальность или специализацию, здесь есть несколько уроков. Химик, разбирающийся в анализе данных, может оказаться в команде, работающей над будущим вычислений. Специалист по информатике или машинному обучению может найти интересную работу там, где данные поступают не с экрана, а из микрореактора. Стоит также заметить, что учёные из академической и промышленной сфер работали бок о бок, так что подобные исследования не замкнуты в стенах университетов.
Если посмотреть, над чем работала команда, в таких проектах каждый день пересекается несколько областей знаний: химия реакций и катализ, микрофлюидика, анализ химических смесей и машинное обучение. Никому не нужно осваивать всё сразу, но найти своё место в такой команде проще, когда понимаешь язык смежных областей.
CORENET – это попытка создать вычислительные устройства, в которых информацию обрабатывают химические реакции, по примеру человеческого мозга. Исследователи показали, что сети реакций в микрофлюидных реакторах дают отклики, которые искусственный интеллект может превратить в решения задач классификации и прогнозирования. Такой работе нужны люди из разных областей, от системной химии до ИИ.
Эта статья основана на материале, опубликованном службой CORDIS Европейской комиссии.
5 вопросов · одна минута
English
Čeština
Deutsch
Español
Français
Magyar
Italiano
Polski
Português
Русский
Slovenčina
Türkçe
Українська
العربية
中文