Har utvecklat kraftmätningsteknik med artificiell intelligens

Report this content

Nu har fysiker vid Göteborgs universitet utvecklat en programvara som effektivt mäter krafter som verkar på mikroskopiska partiklar. Något som är betydelsefullt för att förstå partiklarnas struktur och funktion.

Att mäta krafter som verkar på mikroskopiska partiklar är mycket viktigt för att förstå hur mikropartiklarna ser ut och hur de fungerar. Det kan till exempel gälla möjligheten att mäta en cells elasticitet, att förstå hur virus rör sig i luften eller hur mikroskopiska motorer fungerar.

Att mäta krafter på mikroskopiska partiklar görs genom att analysera en partikels platshistorik. Detta gjordes tidigare med matematiska formuleringar. Men nu är det möjligt att använda artificiell intelligens för att analysera en partikels platshistorik.

–  Med hjälp av avancerade maskininlärningsmetoder, har vi visat att inte bara dessa mätningar kan göras med högre noggrannhet, utan också att de kan tillämpas på ett större antal fall, säger Aykut Argun, doktorand vid institutionen för fysik vid Göteborgs universitet.

Tillhandhåller programvara öppen för alla
Forskarna har också tillhandahållit ett programvarupaket som heter DeepCalib,  som är öppen källkod så att deras metod kan användas av alla.

Programvaran, som kan optimeras för specifika kraftfält, är baserad på återkommande neurala nätverk som adresserar datamönster som förändras över tiden baserat på konstant feedback, så att de kan lära sig av tidigare händelser för att förutsäga framtiden.Forskarna planerar nu att utöka DeepCalibs funktioner till mer komplexa biologiska system, till exempel proteiner som rör sig genom blodet.Resultaten har nyligen publicerats i den vetenskapliga tidskriften Applied Physics Reviews och delats på American Institute of Physics showcase-sida Scilight, som visar den mest intressanta forskningen inom fysik.

Kontakt: Aykut Argun, doktorand vid institutionen för fysik, Göteborgs universitet,  aykut.argun@physics.gu.se 031-786 9157, 0766-229157

Titel: Enhanced force-field calibration via machine learning

Digital publicering: https://aip.scitation.org/doi/10.1063/5.0019105

Artikel om forskningen i Applied Physics Reviews: https://aip.scitation.org/doi/10.1063/10.0002653

Scilight: https://aip.scitation.org/doi/10.1063/10.0002653

Foto: Aykut Argun, fotograf Johan Wingborg.

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:

Prenumerera

Media

Media

Citat

Med hjälp av avancerade maskininlärningsmetoder, har vi visat att inte bara dessa mätningar kan göras med högre noggrannhet, utan också att de kan tillämpas på ett större antal fall
Aykut Argun, doktorand vid institutionen för fysik vid Göteborgs universitet