Físicos de Stanford criam IA para perturbar leis da natureza

O inovador programa de inteligência artificial recria a tabela periódica.

Fonte: istockphoto

Imagine ser capaz de aplicar o poder da inteligência artificial (IA) para inventar materiais inovadores que possam potencialmente revolucionar muitas indústrias, como farmacêutica, biotecnologia, eletrônica, plásticos, semicondutores, vidro, energia, nanotecnologia, ligas metálicas, materiais compósitos, cerâmica, ótica. , e muitos mais. Em 2018, físicos pioneiros da Universidade de Stanford, em Palo Alto, Califórnia, anunciaram na PNAS ( Proceedings of National Academy of Sciences, dos Estados Unidos da América ) a criação de um novo programa de IA (Atom2Vec) capaz de recriar a tabela periódica. de elementos – um primeiro passo importante para criar uma IA que possa descobrir novas leis da natureza e inventar novos materiais e compostos [1]. Atom2Vec foi capaz de conseguir isso dentro de apenas “algumas horas”, contra os muitos séculos que levou para os seres humanos [2]. A maneira como isso foi alcançado foi uma abordagem interdisciplinar de IA – aplicando conceitos linguísticos à ciência dos materiais.

Os físicos de Stanford aplicaram a hipótese de Zellig S. Harris sobre a estrutura distributiva da linguagem para átomos em vez de palavras. O conceito linguístico de Harris propõe a idéia de que as classes básicas das entidades da linguagem podem ser agrupadas por comportamento distributivo, porque tendem a ter propriedades distributivas semelhantes. Para ilustrar a ideia de Harris, a palavra “tia” está associada a “feminino” e “tio” com “homem”. Um possível vetor para “tia” pode ser descrito como “tia igual a tio menos macho mais fêmea. Com base nessa analogia lingüística, a equipe de pesquisa criou o Atom2Vec com conceitos extraídos do Word2Vec do Google, uma rede neural de duas camadas para análise de linguagem natural [3].

• Como o fundamentalismo religioso seqüestra o cérebro
• Traga os bebês somente mãe
• Seres humanos modernos são as únicas espécies com religião?
• Por que se preocupar com sexo?
• Trump e as ambigüidades da ciência e do sexo

Os físicos usavam “vetores de átomos como unidades de entrada básicas para redes neurais e outros modelos de ML projetados e treinados para prever propriedades de materiais”. O Atom2Vec é baseado na conversão de unidades de dados básicos em vetores matemáticos que o programa de IA aprende através do reconhecimento de padrões. Por exemplo, Atom2Vec foi capaz de aprender que o sódio e o potássio têm propriedades semelhantes baseadas na propriedade compartilhada de se ligar ao cloro.

Essa primeira iteração do Atom2Vec foi baseada no aprendizado de máquina não supervisionado. Isso significa que o algoritmo foi alimentado com dados de entrada não rotulados sem quaisquer variáveis ​​de saída correspondentes com o objetivo de o algoritmo aprender estrutura inerente a partir dos dados de entrada. Para a próxima versão, a equipe irá alavancar o avanço alcançado na IA recriando a tabela periódica de elementos para desenvolver futuros tratamentos para pacientes com câncer com uma abordagem de aprendizado de máquina mais supervisionada. O objetivo geral do Atom2Vec 2.0 é identificar os anticorpos ótimos com a menor quantidade de toxicidade e eficácia máxima para atacar antígenos nas células cancerígenas. Nos esforços para encontrar novas soluções para tratamentos de imunoterapia contra o câncer, os pesquisadores planejam mapear os genes em um vetor matemático para organizar os mais de 10 milhões de anticorpos no corpo humano. O futuro do Atom2Vec irá abranger disciplinas do domínio da química à biologia, oncologia, imunoterapia e medicina.

Copyright © 2018 Cami Rosso Todos os direitos reservados.

• Personalidade Borderline e Cluster de TDAH nas Famílias
• 5 ações para criar maior significado e alegria
• Vermelho, Medo e Azul
• Gravidez: a experiência de acomodar um outro dentro
• Como a inovação em células-tronco tem uma avançada pesquisa em neurociência

Referências

1. Zhou, Quan; Tang, Peizhe; Liu, Shenxiu; Pan, Jinbo; Yan, Qimin; Zhang, Shou-Cheng. “Aprendendo átomos para a descoberta de materiais”. Anais da Academia Nacional de Ciências dos Estados Unidos da América (PNAS ). 26 de junho de 2018.

2. Than, Ker. “A IA de Stanford recria a tabela periódica de elementos da química.” Stanford News. 25 de junho de 2018.

3. Cobley, Andrew. “Você Word2Vec? Bookworm de rede neural do Google. ” The Register. 13 de outubro de 2017.