Továbbra is óriási ütemben nő a polimerek és a belőlük gyártott műanyagok termelése világszerte. Ezek az anyagok az élet minden területén megtalálhatók, nem kérdés tehát, kiemelten fontos a polimerkémia, a hozzá kapcsolódó előállítási és feldolgozási technológiák alapjainak, illetve környezeti hatásainak a megismerése. A műanyag tárgyak mellett ugyanakkor számos különleges alkalmazásuk is van a polimereknek. Funkcionális anyagok állíthatók elő, melyek külső hatásra reagálnak, megváltoztatják kémiai, fizikai vagy mechanikai tulajdonságaikat. Ezen anyagokat intelligens polimereknek nevezzük.
A Debreceni Egyetem Természettudományi és Technológiai Kar Alkalmazott Kémiai Tanszék munkatársai új anyagokat állítanak elő, melyek elemzéséhez új megközelítést használtak.
- Mesterséges intelligencia alapon dolgoztunk, az ilyen alapú adatkezelésnek a legnagyobb előnye, hogy maga az algoritmus fejleszt nekünk egy modellt. A laborban intelligens anyagokat állítunk elő, melyeknek az elemzésére új eljárásokat dolgoztunk ki. A cél az, hogy kapjunk valami plusz információt, ami magyarázhatja a tulajdonságváltozásokat. A szerkezet-tulajdonság kapcsolat azonosításához használtunk mesterséges neurális hálózatokat – vázolta Nagy Tibor, a DE TTK Kémiai Intézet Alkalmazott Kémiai Tanszékének docense.
Az intelligens polimerek viselkedésének mélyebb megértése alapja lehet számos technológiai innovációnak. Az összefüggések meghatározásához számos mintára és mérésre van szükség, ezért bármilyen eljárás, mely gyorsíthatja vagy automatizálhatja a vizsgálatokat, nagy jelentőséggel bír. Ezért a vizsgálatok során használnak egy nem automatizálható és drága módszert, ez a tömegspektrometria, amelyben részletes elemzésre nyílik lehetőség. Emellett alkalmaztak egy egyszerű, könnyen automatizálható és olcsó eljárást, a méretkizárásos kromatográfiát, ami általánosan alkalmazott, de korlátozott információt hordoz.
- Kutatásunk során ezt a két módszert kombináltuk. A mesterséges intelligencia alkalmazásával a részletes elemzésből kapott adatokat próbáltuk meg kinyerni a kevésbé részletes elemzés adataiból, felügyelt tanítási módszerrel fejlesztett neurális hálózatokkal. Egyszerűen összekapcsoltuk az anyag viselkedését és a részletes elemzés eredményét, és ezen kapcsolat alapján tanítottuk a neurális hálózatunkat. A tanítási és tesztelési folyamat végén megkaptuk azt a matematikai modellt, mely képes lefordítani az egyszerű eljárások eredményeit a részletes elemzés eredményeire. Ezáltal a viszonylag olcsó, általánosan rutinlaborban is meghatározható eredményekből eljuthatunk a részletes elemzésig – részletezte a DE kutatója, majd hozzátette: általában ha találkozunk a mesterséges intelligenciával, akkor arra gondolunk, hogy hatalmas adathalmazzal kell dolgoznunk, de most bizonyítottuk, hogy egy viszonylag szűk információmennyiség is elég lehet.
A kutatás részletei, eredményei a D1-es besorolású Analytical Chemistry című tudományos folyóiratban jelentek meg, ráadásul az aktuális szám fedőlapjának is kiválasztották azt a grafikát, amit a debreceni kutatók készítettek. A tanulmánnyal Nagy Tibor elnyerte a Gróf Tisza István Debreceni Egyetemért Alapítvány Publikációs Díját.
Sajtóközpont
