به گزارش گروه دانشگاه خبرگزاری دانشجو، به نقل از ستاد توسعه فناوری نانو محققان دانشگاه ملی سنگاپور (NUS) نشان دادند که هوش مصنوعی و یادگیری عمیق به آنها اجازه میدهد تا پویایی مولکولهای منفرد را دقیقتر و با دادههای کمتری نسبت به روشهای ارزیابی رایج مشاهده کنند.
آنها از شبکههای عصبی حلقوی (CNN) برای مشاهده حرکت مولکولهای منفرد در سیستمهای مصنوعی، سلولها و موجودات کوچک استفاده کردند. این روش، اندازهگیری تکمولکول را در سیستمهای پیچیده تسریع کرده و آن را برای طیف گستردهتری از محققان در دسترس قرار دهد.
یک مولکول، اساسیترین واحد قابل مشاهده در سیستمهای بیولوژیکی است. درک رفتار و تعامل آن، بینش در مورد عملکرد سیستمهای بیولوژیکی را ارتقاء داده و راه را برای درمان بیماریها را هموار میکند. یکی از قدرتمندترین راهها برای مشاهده مولکولهای منفرد، طیفسنجی فلورسانس است. به دلیل سیگنال و ویژگی قوی این طیفسنجی است که اجازه دند به طوری که برای هر اندازهگیری به حدود ۵ مگابایت اطلاعات نیاز است.
این تکنیک از دو CNN به نام FCSNET و IMFCSNET ساخته شده توسط دکتر وای هون تانگ و آقای شائو رن سیم، اعضای تیم تحقیق استفاده میکند. CNNها نوعی الگوریتم یادگیری عمیق را برای تجزیه و تحلیل دادههای بصری نشان میدهند. آنها چندین لایه از فیلترهای تخصصی را به کار میگیرند که برای ویژگیهای خاص مانند لبهها، بافتها و رنگها در سراسر تصویر استفاده میشوند. این گروه با استخراج و ترکیب این ویژگیها درک بهتری از تصویر ایجاد میکنند و به آنها امکان میدهد الگوها و اشیاء موجود در دادههای بصری را بشناسند.
این تیم امیدوار است که روش آنها بتواند امکانات جدیدی را برای تسریع در تحقیقات تکمولکول باز کند و این فناوری را برای طیف وسیعتری از کاربران در دسترس قرار دهد.