跳到主要內容
訪客人次:793897
:::
訪客人次:793897
:::
:::

類神經網路之人工智慧可加速客製化奈米粒子之開發

原題目: AI-based method could speed development of specialized nanoparticles

來源: https://www.sciencedaily.com/releases/2018/06/180601160447.htm

麻省理工學院的物理學家發展出一套新的模擬方法,可協助客製出符合不同物理性質需求的多層奈米粒子,這類特殊奈米粒子可用於顯像、隱形系統或生物醫材等方面。此外,這項新的方法,也能協助物理學家更快克服許多棘手的研究問題

 

這項嶄新的方法運用了人工智慧中的類神經網路來學習奈米粒子的結構是如何影響其行為。不同結構的奈米粒子可反射出不同的色光,研究人員利用類神經網路在訓練資料中學習粒子結構與色光間的關係。藉由此網路訓練結果,我們可依粒子散射的光倒推回其結構,這種方法也稱為逆向設計方法。其成果已刊登於Science Advances期刊。

 

論文作者之一Marin Soljacic表示: “這項展新的方法未來將能做為特定應用的基礎。一開始是出自於科學方面的好奇心,如何能不藉由傳統上需大量模擬運算的方法,來預測不同的奈米粒子的物理性質? 起初的目標是針對近年來已在不同的科學領域中展現出許多驚人成果的類神經網路進行了解。

 

研究團隊使用了一個相對簡單的物理系統來尋找這問題的答案。作者之一的Yichen Shen解釋道:”為了能找到適合的人工智慧技術以及了解該技術的極限及如何正確的使用。我們選擇了奈米光子學中的球狀同心奈米粒子系統來測試神經網路。該奈米粒子如同洋蔥一般分層排列,而每一層是由不同的物質所構成,且厚度也不同。

奈米粒子的大小接近可見光的波長,甚至更小。奈米粒子所散射出的顏色會依據各層的結構以及射入光線的波長而有所不同。要去計算出多層次奈米粒子的各項影響結果是需要相當大量的計算,而隨著層數的增加,計算複雜度也隨之上升。研究人員想了解類神經網路是否能預測一個新的粒子所散射出來的顏色,且不單是預測出數值,更希望能找到隱含在資料中的模式以供推斷。

 

論文作者John Peurifoy表示:”使用模擬運算的方式,可以得到與實驗相吻合的精確結果,但卻極為耗時。而在這研究中,提供類神經網路許多實驗例子,期待它能學習到其中的關聯性。

 

果然,類神經網路可以預測出粒子的散射與波長圖中的模式,雖然預測結果並不完美但卻非常接近,而且所花費的時間較少。論文作者Li Jing:”利用類神經網路模擬之結果相較於精確模擬快,且正確率是可接受的。但為了訓練該類神經網路,我們需準備相當多的訓練資料

 

Soljacic表示:”一旦網路訓練完成,未來的模擬工作都將得益於計算時間的降低,對於需要重覆模擬的實驗,此類神經網路係很有用的工具。但此研究計畫的真正目標是學習其方法論,而不單是此特定應用。之所以會以此粒子系統作為研究題目,因目標是要了解各項技術,而非只是模擬出粒子行為。

 

該研究的另一步是將類神經網路反向操作,即輸入粒子散射特性,看可否產生該散射特性的奈米粒子各層組成訊息。Soljacic說道:”在工程領域,許多的技術是由逆向設計方式發展,而逆向工程是個很大的研究領域。但為逆向設計設立適當的問題並不容易,你需要是該領域的專家才能設立適合並能解決的問題。然而,利用此訓練好的神經網路,我們並未作太多的事前準備,只是將網路反向操作,令人感到驚奇的是將網路輸出結果與其它逆向設計方法的結果比較時,類神經網路的結果是最佳的,而且快很多。

更新日期 : 2018/07/27