Artificiell intelligens mäter krafter på pyttepartiklar

Att mäta krafter som verkar på mikroskopiska partiklar är mycket viktigt för att förstå hur mikropartiklarna ser ut och hur de fungerar. Det kan till exempel gälla möjligheten att mäta en cells elasticitet, att förstå hur virus rör sig i luften eller hur mikroskopiska motorer fungerar.

Krafter på mikroskopiska partiklar mäts genom att analysera en partikels platshistorik. Detta gjordes tidigare med matematiska formuleringar. Men nu är det möjligt att använda artificiell intelligens för att analysera en partikels platshistorik.

– Med hjälp av avancerade maskininlärningsmetoder, har vi visat att inte bara dessa mätningar kan göras med högre noggrannhet, utan också att de kan tillämpas på ett större antal fall, säger Aykut Argun, doktorand vid institutionen för fysik vid Göteborgs universitet.

Programvara, öppen för alla

Forskarna har också tillhandahållit ett programvarupaket som heter DeepCalib, som är öppen källkod så att deras metod kan användas av alla.

Programvaran, som kan optimeras för specifika kraftfält, är baserad på återkommande neurala nätverk som adresserar datamönster som förändras över tiden baserat på konstant feedback, så att de kan lära sig av tidigare händelser för att förutsäga framtiden.

Forskarna planerar nu att utöka DeepCalibs funktioner till mer komplexa biologiska system, till exempel proteiner som rör sig genom blodet.

Vetenskaplig artikel:

Enhanced force-field calibration via machine learning, Applied Physics Reviews 

Kontakt:

Aykut Argun, doktorand vid institutionen för fysik, Göteborgs universitet,  aykut.argun@physics.gu.se