L'enzima laccasi è in grado di alterare la struttura chimica del legno sulla sua superficie e quindi facilitare le modificazioni biochimiche senza alterare la struttura del materiale. Però, ci sono diverse laccasi - e non tutte funzionano in ogni caso. Credito:Thordis Rüggeberg
L'enzima laccasi è in grado di alterare la struttura chimica del legno sulla sua superficie e quindi facilitare le modificazioni biochimiche senza alterare la struttura del materiale. Attaccando molecole funzionali, I ricercatori Empa sviluppano superfici in legno impermeabili o antimicrobiche, ad esempio. Inoltre è possibile realizzare fibre di legno adesive, che può essere pressato su pannelli di fibra senza leganti chimici. Questi pannelli di fibra privi di solventi vengono utilizzati per l'isolamento delle case ecologiche.
Il problema:ci sono molte varianti di laccasi, che differiscono nell'architettura del centro chimicamente attivo, e non tutti reagiscono con il substrato desiderato. Poiché è estremamente difficile prevedere se una particolare laccasi reagirà o meno con un substrato specifico, sono necessarie serie di esperimenti costose e dispendiose in termini di tempo per identificare coppie laccasi-substrato adatte. Le simulazioni molecolari potrebbero risolvere il problema:è sufficiente un'analisi strutturale precisa della laccasi per simulare il meccanismo di reazione chimica per ogni combinazione desiderabile sul computer. Però, ciò richiede un'elevata capacità di calcolo del computer e, anche allora, sarebbe estremamente lungo e costoso.
Ma c'è una scorciatoia:"apprendimento profondo". Un programma per computer è addestrato a riconoscere i modelli con i dati della letteratura e dei propri esperimenti:quale laccasi ossida quale substrato? Quali potrebbero essere le condizioni migliori affinché il processo chimico desiderato abbia luogo? La cosa migliore:la ricerca funziona anche se non sono noti tutti i dettagli sul meccanismo chimico.
Come la laccasi altera la superficie del legno:Una molecola desiderata è legata chimicamente alla cellulosa del legno con l'aiuto dell'enzima. Credito:Empa
Grandi progressi negli ultimi sette anni
La disponibilità dei dati in una forma adeguata e l'architettura della rete di deep learning sono cruciali per il successo. Schubert ha già lavorato con le reti neuronali per oltre sette anni. Il suo primo progetto sul tema nasce nel 2012, l'ultima del 2018. "In passato, abbiamo lavorato con reti neuronali superficiali:uno strato di input, un livello nascosto e un livello di output. Oggi, lavoriamo con reti notevolmente più complesse. Contengono diversi strati nascosti e sono molto più potenti".
Schubert allena i suoi algoritmi con set di dati noti e li testa con set di dati che il sistema non ha mai visto prima. E i suoi rapporti sulla robustezza del suo "motore di ricerca intelligente del legno" sono sorprendenti:in passato, è stato in grado di utilizzare solo accuratamente selezionati, dati significativi per ottenere risultati decenti. Nel frattempo, sta anche testando i suoi sistemi con pile di dati in parte inutilizzabili. La macchina riconosce cosa può usare e cosa no.
Applicazione industriale di KI
La robustezza del sistema consente già all'industria di utilizzare la macchina per l'apprendimento profondo. I pannelli isolanti autoadesivi sono prodotti presso l'azienda partner Pavatex, con cui Schubert lavora da tempo. Il processo produttivo è ricco di sensori; si accumulano enormi quantità di dati che ci dicono "qualcosa" sulla qualità delle schede prodotte. Solo cosa? Il motore di ricerca intelligente del legno di Schubert trova la connessione.
Il ricercatore sta attualmente lavorando per ottimizzare la produzione in questo modo. Se qualcosa va storto a un certo punto nella lavorazione della fibra, la produzione dovrebbe essere adeguata prima che la qualità del prodotto finale ne risenta. Ciò consente di risparmiare costosi controlli sul prodotto finale e può ridurre drasticamente il tasso di errore nel processo di produzione.
