Gli scienziati dell'Argonne National Laboratory del Dipartimento dell'Energia degli Stati Uniti (DOE) hanno iniziato a utilizzare le reti neurali per identificare le firme strutturali dei gas molecolari, potenzialmente fornendo nuove e più accurate tecniche di rilevamento per i ricercatori, l'industria della difesa e i produttori di farmaci.

Questo lavoro rivoluzionario è stato riconosciuto come finalista per un 2018 R&S 100 premio.

"Ciò significa che quando sei in un aeroporto e stai eseguendo un test di sicurezza su una sostanza chimica non identificata o se sei un produttore di farmaci che scansiona il tuo campione alla ricerca di impurità, puoi eseguire molti più di questi test con precisione in un periodo di tempo molto più breve."—Daniel Zaleski, Argonne ricercatore post-dottorato

Le reti neurali, così chiamate perché operano in modo interconnesso simile al nostro cervello, offrono ai chimici una grande opportunità per una scienza più rapida e rigorosa perché forniscono un modo in cui le macchine sono in grado di apprendere e persino di prendere decisioni sui dati. Per essere efficace, anche se, devono essere insegnati con attenzione. Ecco perché quest'area di ricerca si chiama machine learning.

"Supponiamo che tu voglia insegnare a un computer a riconoscere un gatto, " ha detto il chimico di Argonne Kirill Prozument. "Puoi provare a spiegare a un computer che cos'è un gatto usando un algoritmo, oppure puoi mostrargli cinquemila foto diverse di gatti."

Ma invece di guardare i gatti, Daniel Zaleski, ex ricercatore post-dottorato di Argonne e Prozument, voleva identificare la struttura delle molecole in fase gassosa. Fare così, hanno usato gli spettri rotazionali delle molecole.

Gli scienziati determinano gli spettri rotazionali di una molecola osservando come la molecola interagisce con le onde elettromagnetiche. Nella fisica classica, quando un'onda di una particolare frequenza colpisce una molecola in fase gassosa, fa ruotare la molecola.

Poiché le molecole sono oggetti quantistici, hanno frequenze caratteristiche alle quali assorbono ed emettono energia che sono uniche per quel tipo di molecola. Questa impronta digitale offre ai ricercatori un'idea eccellente del modello dei livelli di energia quantistica delle molecole in fase gassosa.

"Siamo particolarmente interessati a esaminare i prodotti che risultano da reazioni chimiche, " Prozument ha detto. "Supponiamo di non sapere quali prodotti chimici abbiamo generato, e non sappiamo quali molecole ci sono. Spazziamo con un impulso di onde millimetriche attraverso tutte le possibili frequenze, ma solo le frequenze che "suonano il campanello" delle molecole verranno assorbite e solo quelle verranno riemesse".

Zaleski ha codificato migliaia di questi spettri rotazionali, etichettando ogni diverso spettro per la rete neurale. Il vantaggio di utilizzare una rete neurale è che ha dovuto "apprendere" questi spettri solo una volta, al contrario di ogni volta che un campione è stato testato.

"Ciò significa che quando sei in un aeroporto e stai eseguendo un test di sicurezza su una sostanza chimica non identificata o se sei un produttore di farmaci che scansiona il tuo campione alla ricerca di impurità, puoi eseguire molti più di questi test con precisione in un periodo di tempo molto più breve, " disse Zaleski. Anche se queste risonanze fungono da filtro, la quantità di dati spettroscopici prodotti è ancora scoraggiante. "Passare dai dati spettroscopici grezzi alle informazioni chimiche reali è la sfida, " ha detto Zaleski. "I dati sono costituiti da migliaia se non decine di migliaia di elementi:è disordinato".

Zaleski, ora assistente professore alla Colgate University, ha confrontato la ricerca di firme molecolari specifiche con il libro illustrato per bambini "Dov'è Waldo?", in cui il lettore deve scansionare una scena affollata per trovare il personaggio titolare. "Waldo ha un vestito molto specifico e un modello specifico, così lo conoscerai se lo vedrai, " Zaleski ha detto. "La nostra sfida è che ogni molecola è come una versione diversa di Waldo".

Secondo Zaleski, ci sono meno di 100 scienziati nel mondo formati nell'assegnazione di spettri rotazionali. E mentre potrebbe volerci fino a un giorno per determinare le firme molecolari usando i metodi precedenti, le reti neurali riducono il tempo di elaborazione a meno di un millisecondo.

La rete neurale viene eseguita su schede GPU (Graphics Processing Unit) tipicamente utilizzate dalla comunità dei videogiochi. "Fino a un paio di anni fa, le schede GPU che stiamo usando non esistevano davvero, " Ha detto Zaleski. "Siamo in un momento straordinario in questo momento in termini di tecnologia informatica a nostra disposizione".

In definitiva, Prozument e Zaleski sperano di rendere la loro tecnica spettroscopica il più completamente automatizzata possibile. "Il nostro obiettivo è offrire gli strumenti dell'analisi spettroscopica rotazionale ai non esperti, " Disse Prozument. "Se puoi avere spettri assegnati con precisione da una macchina in grado di apprendere, puoi rendere l'intero processo molto più portatile e accessibile poiché non hai più bisogno di tanta competenza tecnica."

Un articolo basato sullo studio, "Assegnazione automatizzata di spettri rotazionali utilizzando reti neurali artificiali, " apparso nel numero del 13 settembre del Giornale di Fisica Chimica .