O aprendizado de máquina desbloqueia o desempenho superior em cristais orgânicos acionados pela luz

Os pesquisadores desenvolveram um fluxo de trabalho de aprendizado de máquina para otimizar a força de saída de cristais orgânicos foto-actados. Usando a regressão do LASSO para identificar as principais subestruturas moleculares e otimização bayesiana para amostragem eficiente, eles alcançaram uma força de bloqueio máximo de 37,0 mn – 73 vezes mais eficiente que os métodos convencionais.

Esses descobertaspublicado em Descoberta digitalpoderia ajudar a desenvolver atuadores controlados remotos para dispositivos médicos e robótica, apoiando aplicações como cirurgia minimamente invasiva e entrega de medicamentos de precisão.

Materiais que convertem estímulos externos Em movimento mecânico, conhecido como atuadores, desempenham um papel essential na robótica, dispositivos médicos e outras aplicações avançadas. Entre eles, os cristais fotomecânicos se deformam em resposta à luz, tornando -os promissores para a atuação leve e remotamente controlável. Seu desempenho depende de fatores como estruturas moleculares, propriedades cristalinas e condições experimentais.

Um indicador de desempenho importante desses materiais é a força de bloqueio – a força máxima exercida quando a deformação é completamente restrita. No entanto, alcançar forças altas de bloqueio permanece desafiador devido à complexa interação de características cristalinas e condições de teste. Compreender e otimizar esses fatores é essencial para expandir as aplicações potenciais de cristais fotomecânicos.

Em um passo para otimizar a força de saída de cristais orgânicos foto-actados, pesquisadores da Universidade de Waseda alavancaram aprendizado de máquina técnicas para melhorar seu desempenho. O estudo foi liderado pelo professor associado Takuya Taniguchi, do Centro de Ciência de Dados, juntamente com o Sr. Kazuki Ishizaki e o professor Toru Asahi, tanto do Departamento de Ciência e Engenharia Avançada, Escola de Pós -Graduação em Ciência e Engenharia Avançada da Universidade Waseda.

“Percebemos que o aprendizado de máquina simplifica a busca por moléculas ideais e parâmetros experimentais”, diz o Dr. Taniguchi. “Isso nos inspirou a integrar Ciência dos dados Técnicas com química sintética, permitindo-nos identificar rapidamente novos desenhos moleculares e abordagens experimentais para obter resultados de alto desempenho “.

Neste estudo, a equipe utilizou duas técnicas de aprendizado de máquina: regressão LASSO (menos absoluta de retração e operadora de seleção) para projeto molecular e otimização bayesiana para selecionar condições experimentais. O primeiro passo levou a um pool materials de derivados de salicilidenamina, enquanto o segundo permitiu uma amostragem eficiente a partir desse pool para medições de força do mundo actual.

Como resultado, a equipe maximizou com sucesso a força de bloqueio, alcançando até 3,7 vezes maior saída de força em comparação com os valores relatados anteriormente e realizando isso pelo menos 73 vezes mais eficientemente do que os métodos convencionais de teste e erro.

“Nossa pesquisa marca um avanço significativo em cristais orgânicos foto-acionados, aplicando sistematicamente o aprendizado de máquina”, diz o Dr. Taniguchi. “Ao otimizar estruturas moleculares e condições experimentais, demonstramos o potencial de melhorar drasticamente o desempenho de materiais responsivos à luz”.

A tecnologia proposta tem amplas implicações para atuadores de controle remoto, robótica em pequena escala, dispositivos médicose sistemas com eficiência energética. Como os cristais foto-acionados respondem à luz, eles permitem operação sem contato e remota, tornando-os componentes robóticos ideais que trabalham em ambientes confinados ou sensíveis. Sua capacidade de gerar força de forma não invasiva com luz focada também pode ser valiosa para ferramentas microcirúrgicas e mecanismos de administração de medicamentos que requerem atuação precisa e remota.

Ao alavancar uma entrada de energia mais limpa-a irradiação da luz-ao maximizar a produção mecânica, esses materiais são promissores para processos e dispositivos de fabricação ecológicos que visam reduzir o consumo geral de energia. “Além de melhorar vigor Saída, nossa abordagem abre caminho para dispositivos mais sofisticados e miniaturizados, da tecnologia vestível a engenharia aeroespacial e monitoramento ambiental remoto “, acrescenta o Dr. Taniguchi.

Em conclusão, este estudo destaca o poder de uma estratégia de aprendizado de máquina para acelerar o desenvolvimento de foto-acordadas foto-acionadas de alto desempenho Materiaisaproximando-os um passo mais perto de aplicações do mundo actual e viabilidade comercial.