بزرگنمايي:

سیاست و بازاریابی - ایسنا /تیمی از محققان دانشگاه کنستانز موفق به توسعه سیستم هوش مصنوعی شده‌اند که می‌تواند به‌طور قابل‌اعتماد اندازه‌گیری نانوذرات را انجام دهد و روند تحقیق را به‌طور قابل‌توجهی سرعت ببخشد.
اندازه‌گیری و شمارش نانوذرات یکی از پرچالش‌ترین مراحل در تحقیقات نانو است. محققان مجبورند تصاویر میکروسکوپی صدها نانوذره را تحلیل کرده و اندازه‌گیری‌های دقیقی انجام دهند تا بتوانند آزمایش‌های آماری موردنیاز را برای سنتز بهینه نانوذرات بعدی تکمیل کنند.
الکساندر ویتمن، استاد شیمی کلوئیدی در دانشگاه کنستانز، در این مقاله بیان می‌کند که این فرایند به‌شدت زمان‌بر است. او به یاد می‌آورد که در دوران دکتری خود تنها می‌توانست روزانه 300 نانوذره را اندازه‌گیری کند. اما برای دستیابی به نتایج آماری معتبر، این عدد باید به هزاران اندازه‌گیری در هر نمونه افزایش یابد.
در دوران همه‌گیری کرونا، ویتمن با دانشجوی دکترای خود، گابریل مونتیرو آشنا شد که علاوه بر دانش شیمی، تخصص برنامه‌نویسی و هوش مصنوعی داشت. آنها با همکاری دانشمندان کامپیوتر، یک برنامه مبتنی بر مدل هوش مصنوعی Segment Anything (از شرکت Meta) توسعه دادند.
این سیستم به‌صورت خودکار نانوذرات را در تصاویر میکروسکوپی شمارش کرده و اندازه هر ذره را دقیقاً اندازه‌گیری می‌کند. بر خلاف روش‌های قدیمی مانند Watershed Method که برای ذرات مشخص و ساده خوب عمل می‌کرد، این سیستم جدید قادر است ذرات پیچیده با اشکال نامنظم مانند دمبل یا زنجیره‌ای از چند کره را نیز به‌درستی تشخیص دهد. اندازه‌گیری‌ها را در زمانی بسیار کوتاه‌تر از روش‌های سنتی انجام دهد.
استفاده از این فناوری باعث افزایش چشمگیر سرعت فرایند اندازه‌گیری شده است. در گذشته، محققان باید زمان زیادی را صرف شمارش و تحلیل نانوذرات می‌کردند، اما اکنون فرایندی که معمولاً برای یک تحلیل طول می‌کشید، می‌تواند در همان مدت 8 تا 10 بار تکرار شود.
علاوه بر افزایش سرعت، این روش دقت اندازه‌گیری را نیز بهبود می‌بخشد. سیستم جزئیات دقیق‌تری از نانوذرات را شناسایی می‌کند و در مقایسه با روش‌های قبلی، حتی از تحلیل‌های انسانی نیز دقیق‌تر است. این موضوع به محققان کمک می‌کند تا آزمایش‌های بعدی را با دقت بالاتر طراحی و اجرا کنند و به نتایج سریع‌تر و مطمئن‌تری دست یابند.
تیم تحقیقاتی دانشگاه کنستانز این کدهای هوش مصنوعی و داده‌های مطالعه خود را به‌صورت متن‌باز در GitHub و KonData منتشر کرده است. این اقدام، به سایر محققان امکان می‌دهد که از این فناوری استفاده کرده، آن را بهبود ببخشند و در پروژه‌های خود به کار گیرند.