Les scientifiques du laboratoire national d'Argonne du département américain de l'Énergie (DOE) ont commencé à utiliser des réseaux de neurones pour identifier les signatures structurelles des gaz moléculaires, fournir potentiellement de nouvelles techniques de détection plus précises pour les chercheurs, l'industrie de la défense et les fabricants de médicaments.

Ce travail de rupture a été reconnu comme finaliste pour un 2018 R&D 100 prix.

« Cela signifie que lorsque vous êtes dans un aéroport pour effectuer un test de sécurité sur un produit chimique non identifié ou si vous êtes un fabricant de médicaments qui analyse votre échantillon à la recherche d'impuretés, vous pouvez exécuter beaucoup plus de ces tests avec précision dans un laps de temps beaucoup plus court. »—Daniel Zaleski, Chercheur postdoctoral Argonne

Les réseaux de neurones - ainsi nommés parce qu'ils fonctionnent de manière interconnectée similaire à notre cerveau - offrent aux chimistes une opportunité majeure pour une science plus rapide et plus rigoureuse car ils fournissent un moyen par lequel les machines sont capables d'apprendre et même de prendre des décisions sur les données. Pour être efficace, bien que, ils doivent être soigneusement enseignés. C'est pourquoi ce domaine de recherche est appelé apprentissage automatique.

"Dites que vous vouliez apprendre à un ordinateur à reconnaître un chat, " a déclaré le chimiste d'Argonne Kirill Prozument. " Vous pouvez essayer d'expliquer à un ordinateur ce qu'est un chat en utilisant un algorithme, ou vous pouvez lui montrer cinq mille photos différentes de chats."

Mais au lieu de regarder les chats, Prozument et l'ancien chercheur postdoctoral Argonne Daniel Zaleski ont voulu identifier la structure des molécules en phase gazeuse. Faire cela, ils ont utilisé les spectres de rotation des molécules.

Les scientifiques déterminent le spectre de rotation d'une molécule en observant comment la molécule interagit avec les ondes électromagnétiques. En physique classique, lorsqu'une onde d'une fréquence particulière frappe une molécule en phase gazeuse, il fait tourner la molécule.

Parce que les molécules sont des objets quantiques, ils ont des fréquences caractéristiques auxquelles ils absorbent et émettent de l'énergie qui sont propres à ce type de molécule. Cette empreinte digitale donne aux chercheurs une excellente idée de la configuration des niveaux d'énergie quantique des molécules en phase gazeuse.

« Nous sommes particulièrement intéressés par les produits issus de réactions chimiques, " dit Prozument. " Supposons que nous ne sachions pas quels produits chimiques nous avons générés, et nous ne savons pas quelles molécules il y a. Nous balayons avec une impulsion millimétrique à travers toutes les fréquences possibles, mais seules les fréquences qui « sonnent la cloche » pour les molécules seront absorbées et seules celles-ci seront réémises. »

Zaleski a codé des milliers de ces spectres de rotation, étiqueter chaque spectre différent pour le réseau de neurones. L'avantage d'utiliser un réseau de neurones est qu'il n'a eu à "apprendre" ces spectres qu'une seule fois, par opposition à chaque fois qu'un échantillon a été testé.

« Cela signifie que lorsque vous êtes dans un aéroport pour effectuer un test de sécurité sur un produit chimique non identifié ou si vous êtes un fabricant de médicaments qui analyse votre échantillon à la recherche d'impuretés, vous pouvez exécuter beaucoup plus de ces tests avec précision dans un laps de temps beaucoup plus court, " a déclaré Zaleski. Même si ces résonances agissent comme un filtre, la quantité de données spectroscopiques produites est toujours intimidante. « Passer des données spectroscopiques brutes aux informations chimiques réelles est le défi, " a déclaré Zaleski. " Les données sont constituées de milliers, voire de dizaines de milliers d'éléments, c'est désordonné. "

Zaleski, maintenant professeur assistant à l'Université Colgate, a comparé la recherche de signatures moléculaires spécifiques au livre d'images pour enfants "Où est Charlie ?", dans lequel le lecteur doit parcourir une scène bondée pour trouver le personnage principal. "Waldo a une robe très spécifique et un motif spécifique, donc tu le connaîtras si tu le vois, " a déclaré Zaleski. "Notre défi est que chaque molécule est comme une version différente de Waldo."

Selon Zaleski, il y a moins de 100 scientifiques dans le monde formés à l'attribution de spectres de rotation. Et bien que cela puisse prendre jusqu'à une journée pour déterminer les signatures moléculaires à l'aide des méthodes précédentes, les réseaux de neurones réduisent le temps de traitement à moins d'une milliseconde.

Le réseau de neurones fonctionne sur des cartes d'unité de traitement graphique (GPU) généralement utilisées par la communauté des jeux vidéo. « Jusqu'à il y a quelques années, les cartes GPU que nous utilisons n'existaient pas vraiment, " a déclaré Zaleski. " Nous vivons actuellement une période incroyable en termes de technologie informatique à notre disposition. "

Finalement, Prozument et Zaleski espèrent rendre leur technique spectroscopique aussi automatisée que possible. "Notre objectif est d'offrir les outils d'analyse spectroscopique rotationnelle à des non-experts, " dit Prozument. " Si vous pouvez avoir des spectres assignés avec précision par une machine qui peut apprendre, vous pouvez rendre l'ensemble du processus beaucoup plus portable et accessible puisque vous n'avez plus besoin d'autant d'expertise technique."

Un article basé sur l'étude, "Affectation automatisée de spectres de rotation à l'aide de réseaux de neurones artificiels, " paru dans le numéro du 13 septembre du Journal de physique chimique .