Özellikleri su öyle olağan dışı arasında sıvılar-BT genişler donduğunda en yüksek noktasına ulaşır yoğunluk hemen üstünde donmakve kimyagerlerin sıklıkla anlamak için kullandığı basit sıvılar gibi davranmaz konu.
Şimdi, yeni bir çalışma içinde İletişim Kimyası kullanır yapay zeka rakiplerini karşılaştırmak yöntemler için ölçüm su gizli moleküler sıralayın ve hangilerinin gerçekten etkili olduğunu belirleyin.
Araştırmacılar Osaka Üniversitesi bir geliştirdi sinir ağı 16 farklı ‘yapısal tanımlayıcıyı’ test etmek için matematiksel Suyun ne kadar düzenli veya düzensiz olduğunu ölçmek için araçlar moleküller şuradalar mikroskobik ölçek. Geçtiğimiz 30 yıl boyunca bilim insanları, her biri kendi yaklaşımına ve ölçeğine sahip olan ve hepsi aynı altta yatan şeyi açıklamayı amaçlayan bu tanımlayıcıları bağımsız olarak geliştirdiler. bulmaca.
Şimdiye kadar araştırmacılar bunları doğrudan karşılaştırmak için standart bir yöntemden yoksundu; bu çalışma bu boşluğu dolduruyor.
Suyun Bölünmüş Kişiliği
Bilim insanları, normal donma noktasının altına soğuyan ancak sıvı halde kalan suyu aşırı soğumuş olarak adlandırıyor. Bu durumda suyun sıra dışı özellikleri daha da belirgin hale gelir. Moleküllerin buz haline dönüşmeye başlaması için çizik veya yabancı madde gibi bir şeye ihtiyaç vardır. Bunlar olmadan su, 32°F’den çok daha soğuk olduğunda bile sıvı kalabilir.
Pek çok fizikçi, aşırı soğutulmuş suyun iki farklı yapıdan oluştuğuna inanıyor: gevşek bir şekilde paketlenmiş, oldukça düzenli, düşük yoğunluklu bir sıvı (LDL) ve sıkı bir şekilde paketlenmiş, düzensiz, yüksek yoğunluklu bir sıvı (HDL). Bu formlar arasındaki dengenin suyun olağandışı özelliklerini yönlendirdiği düşünülmektedir. Bilim adamları, komşu atomlar arasındaki açılar, yakındaki moleküllere olan mesafeler veya hidrojen bağlarının oluşumu gibi özellikleri izleyerek bir molekülün bu iki uç arasında nasıl durduğunu ölçmek için yapısal tanımlayıcılar kullanır. Ancak bu araçların hiçbir zaman doğrudan karşılaştırılması amaçlanmamıştır.
Sıcağı Soğuktan Ayırmak
Ortak bir standart oluşturmak için Osaka ekibi, 200 ila 300 Kelvin sıcaklıktaki suyun moleküler dinamik simülasyonlarını kullanarak bir sinir ağını eğitti. Yalnızca tek bir yapısal tanımlayıcıdan gelen değerleri kullanarak, her moleküler konfigürasyonun üretildiği sıcaklığı tahmin etmesi gerekiyordu. Bir tanımlayıcı anlamlı yapısal bilgi yakalarsa ağ, sıcağı soğuktan kolayca ayırt edebilir.
Sorumlu yazar Kang Kim, “Geçmişteki çalışmalar, yapısal verileri sınıflandırmak ve anlamak için makine öğrenimini kullanmanın etkili olduğunu gösterdi” diyor. “Tanımlayıcıların temel yapısal bilgileri insan bilişine benzer bir şekilde yakalamada ne kadar doğru olduğunu değerlendirmek için özellikle bu çalışmaya bir sinir ağı modeli dahil etmek istedik.”
Ağ, her tanımlayıcıyı standart bir sınıflandırma ölçüsü kullanarak değerlendirdi. Ekip, analizlerini derinleştirmek için LIME adı verilen açıklanabilir bir yapay zeka tekniği kullandı. Bu yöntem, yalnızca istatistiksel kalıplara dayanmak yerine, modelin kararlarını nasıl verdiğine bakar ve mantığının yerleşik fiziksel ilkelerle eşleşip eşleşmediğini kontrol eder.
İki Tanımlayıcı Öne Çıkıyor
Test edilen 16 tanımlayıcıdan ikisi öne çıktı. Her ikisi de komşu moleküllerin birinci ve ikinci katmanları arasındaki mesafeyi ölçen Yerel Yapı İndeksi (LSI) ve zeta (ζ) olarak adlandırılan bir diğeri, test edilen sıcaklıklarda neredeyse mükemmel bir doğruluk elde etti. Hidrojen bağlarının nasıl bağlandığına dayanan başka bir grup da iyi puan aldı ancak diğerleri kadar doğru sonuç vermedi. Dört yüzlü açılara veya etkileşim enerjilerine dayanan eski tanımlayıcılar, moleküllerin daha fazla hareket ettiği ve farklılıkların bulanıklaştığı yüksek sıcaklıklarda daha az doğru hale geldi.
Kıdemli yazar Nobuyuki Matubayasi, “Ağ, 16 tanımlayıcının farklı sıcaklıklarda LDL ve HDL yapıları arasında nasıl farklılaştığını karşılaştırmak için öğrendiklerini kullandı” diyor. “Bu şekilde en etkili tanımlayıcıları belirledik.”
LIME analizi, ağın sonuçlarını bilim adamlarının beklentileriyle tutarlı kanıtlarla destekledi. Yüksek Yerel Yapı İndeksi ve zeta değerlerine sahip moleküller, modelin daha düşük sıcaklıkları tahmin etmesine yol açtı; bu, su soğudukça daha düzenli, LDL benzeri yapıların ortaya çıktığı fikriyle tutarlıdır. Bu, ağın istatistiksel korelasyonlardan daha fazlasını yakaladığını gösteriyor.
Tanımlayıcıları yerinde karşılaştırmak için ortak bir çerçeve ile araştırmacılar, HDL ve LDL ortamlarını dolaylı olarak çıkarmak yerine doğrudan tanımlayan tanımlayıcılar geliştirmeye çalışabilirler. Bu yeni araçların, suyun en büyük gizemlerinden birini, önerilen iki sıvı formunun tamamen ayrıldığı noktayı nihayet çözüp çözmeyeceği, bilim adamlarının yeni araştırmaya başladığı bir konu.
Austin Burgess, satış, pazarlama ve veri analitiği konularında geçmişi olan bir yazar ve araştırmacıdır. MBA derecesine, İşletme alanında Lisans Diplomasına ve veri analitiği sertifikasına sahiptir. Çalışmaları, ortaya çıkan biyoloji, bilişsel sinir bilimi ve arkeolojik keşiflere vurgu yaparak bilimsel gelişmeleri kırmaya odaklanıyor.
Source link
