Os pesquisadores criaram um fluxo de trabalho de aprendizado de máquina para adaptar a bola de saída de cristais biológicos photoacutos. Eles usam a regressão do LASSO para detectar estruturas moleculares -chave e otimização biossiana para amostragem qualificada – 37,0 Mn – 73 vezes mais eficiente. Essas pesquisas podem ajudar a desenvolver acutas controladas remotas para dispositivos de tratamento e robótica, apoiando aplicações como cirurgia agressiva mínima e suprimento adequado de medicamentos.
O estímulo externo se converte em velocidades mecânicas, conhecidas como acueutor, desempenham um papel importante na robótica, dispositivos de tratamento e outras aplicações avançadas. Enquanto isso, os cristais fotômicos em resposta à luz são distorcidos, tornando -os comprometidos por um peso leve e atos remotamente controláveis. Seu desempenho depende de fatores como estrutura molecular, propriedades cristalinas e condições experimentais.
Um índice de desempenho importante desses materiais é a força de bloqueio – a energia máxima é aplicada se a deformação for completamente limitada. No entanto, devido às complexas integrações de recursos de cristal e termos de teste, há desafios para obter alta energia de bloqueio. Entendimento e otimização são necessários para expandir as aplicações em potencial de cristais fotomáticos.
Em um passo em direção à exclusão da bola de saída de cristais biológicos foto-agudos, os pesquisadores da Universidade de Wasda levantaram técnicas de aprendizado de máquina para melhorar sua eficácia. O estudo foi liderado pelo Professor Assistente de Centro de Ciência de Dados para Ciência de Dados, Sr. Kazuki Ishijaki e Professor Toru Asahi, tanto o Departamento de Ciência e Engenharia Avançada, Escola de Pós -Graduação em Ciência e Engenharia Avançada da Wasda University. Suas perguntas foram publicadas online Descoberta digital Estou 2025 em 20 de março.
“Percebemos que o aprendizado de máquina facilita as melhores moléculas e parâmetros experimentais”, disse o Dr. Taniguchi. “Isso nos inspirou a integrar técnicas de ciência de dados à química sintética, permitir nosso novo projeto molecular e abordagem experimental para obter resultados de alto desempenho”.
Nesta pesquisa, a equipe usou duas estratégias de aprendizado de máquina: LASSO (pelo menos o operador de seleção e o operador de seleção) e as condições experimentais para a seleção de otimização biócia para seleção. O primeiro passo foi para o pool de derivados de salicilidinamina, enquanto o segundo permitiu amostras qualificadas desta piscina para medir a energia do mundo real. Como resultado, a equipe aumentou com sucesso a força de bloqueio máxima, com os valores relatados anteriormente, com uma saída de força de 3,7 vezes mais e executando pelo menos 73 vezes mais habilidade do que o método convencional de teste e tronco.
“Nossa pesquisa aplica sistematicamente o aprendizado de máquina para identificar um progresso importante em cristais biológicos foto-agudos”, disse o Dr. Taniguchi. “Com a existência de estruturas moleculares e condições experimentais, mostramos a possibilidade de melhorar drasticamente a eficácia dos materiais leves reativos”.
A tecnologia proposta tem um amplo impacto para acutas com controle remoto, robótica em pequena escala, dispositivos médicos e sistemas com capacidade de energia. Como os cristais foto-agudos respondem à luz, eles permitem comunicação e operações distantes, criam o material robótico padrão trabalhando em seu ambiente limitado ou sensível. Suas habilidades para gerar forças não invasivas com luz focada também podem ser valiosas para equipamentos microcirúrgicos e sistema de distribuição de medicamentos, que requer ativação remota específica.
Ao maximizar uma saída de energia mais limpa de entrada de energia-halka, esses materiais prometem processos e dispositivos de produção amigáveis ao meio ambiente para reduzir o consumo geral de energia. “Para a produção de força, de nossos métodos de tecnologia, para engenharia espacial e observação ambiental distante, são pavimentados dispositivos mais sofisticados e cometidos por miniatura”, acrescentou o Dr. Taniguchi.
Em conclusão, este estudo destaca a energia de uma técnica de aprendizado de máquina para acelerar o desenvolvimento de materiais foto-agudos de alto desempenho, aproximando-os de aplicações do mundo real e realidade comercial.