Bättre kemisk information med hjälp av maskininlärning
Nya metoder för maskininlärning kan ge bättre mätningar av komplexa system och vara till hjälp för kemister, miljövetare och konservatorer i framtiden. Det visar en ny avhandling vid Göteborgs universitet.
Växter, djur, naturliga fenomen och andra komplexa system påverkas normalt av flera olika saker samtidigt, som i sin tur ofta också påverkar varandra på ett eller annat sätt. Men när man gör kemiska undersökningar av sådana system tar man ofta bara hänsyn till en faktor i taget, vilket då kan ge ett skevt eller alltför förenklat resultat.
Har utvärderat maskininlärningsmetoder
Ett alternativ när man ska arbeta med komplex data är då att ta hjälp av matematiska algoritmer för att kunna undersöka flera faktorer samtidigt, så kallad multivariat maskininlärning.
– I min avhandling har jag utvärderat hur maskinlärningsmetoder kan hjälpa kemister att dels få ut tolkningsbar information från komplexa prover, och dels kunna hitta vilka faktorer och samspel som påverkar mätresultaten, säger avhandlingens författare, Alexandra Walsh.
Metoden ger mer rättvisande resultat
I avhandlingen undersökte hon mänskliga vita blodkroppar, arkeologiskt trä samt ett miljöfenomen där marina alger producerar flyktiga bromerade och joderade ämnen som påverkar atmosfären, bland annat ozonlagret. Genom att tillämpa olika maskininlärningsmetoder har hon bland annat kunnat visa att fenomenet med de marina algerna är mer komplicerat än vad man tidigare trott. Det i sin tur visade på ett behov att använda maskininlärning för att kunna få en mer objektiv bild av det studerade fenomenet.
– Det behöver vi för att i framtida klimatstudier kunna undersöka hur dessa flyktiga ämnen påverkar miljön på en global skala, säger hon.
Avhandlingen har också bidragit till att utveckla en metod för att mäta ett visst konserveringsmedel, polyetylenglykol (PEG), i vattendränkt arkeologiskt trä. Detta kan vara till stor hjälp för konservatorer eftersom metoden är icke-destruktiv, det vill säga att den inte förstör träet.
– Med ett så kallat Ramanspektroskop, som använder laser för att få molekyler att vibrera, mäter man trä som har varit impregnerat med PEG. Varje molekyls vibration är unik, vilket betyder att alla enskilda molekyler i ett prov ger en unik respons.
Genom detta kan forskarna få information om vilka molekyler som finns i provet, vilket i sin tur kan användas till att bättre förutspå hur höga halterna är i ett prov.
Kontakt: Alexandra Walsh, Mobil: 0707-579676, E-post: alexandra.walsh@chem.gu.se
Titel: Practical application of machine learning for analyses of complex biological matrices and environmental phenomena
Digital publicering: https://gupea.ub.gu.se/handle/2077/66075
Handledare: Proffesor Katarina Abrahamsson
Biträdande handledare: Dr. Mats Josefson
Carina Eliasson
Pressansvarig kommunikatör
Göteborgs universitet
telefon: 031-786 98 73
e-post: carina.eliasson@science.gu.se
Göteborgs universitet är ett av de stora i Europa med 47 500 studenter och 6 400 anställda. Verksamheten bedrivs av åtta fakulteter, till allra största del i centrala Göteborg. Utbildning och forskning har stor bredd och hög kvalitet – det vittnar sökandetryck och nobelpris om. www.gu.se. Följ oss på Twitter. Gilla oss på Facebook. Adda oss på Snapchat (uniofgothenburg). Följ oss på Instagram.
Taggar: