Uutiset

Tekoäly auttaa tunnistamaan monimutkaisempia molekyylirakenteita

Materiaalisuunnittelijoiden täytyy tietää tarkasti materiaalien molekyylirakenne, jotta he voivat kehittää esimerkiksi muovin korvikkeita kasviperäisillä biopolymeereillä. Tekoälystä on nyt saatu apua rakenteen selvittämiseen.
Cover image of the journal, featuring the researchers work
Science Advances -lehden kansi.

Aalto-yliopistossa on kehitetty uudenlainen, materiaalianalyysia ja tekoälyä yhdistävä menetelmä, joka auttaa selvittämään materiaalien monimutkaista molekyylirakennetta. Kun tekoälyalgoritmi yhdistettiin atomivoimamikroskoopilla mitattuihin kuviin ja valtavaan simuloituun datamäärään, tutkijat pystyivät tunnistamaan yhä monimutkaisempia molekyylirakenteita.

Tämä on tärkeää, sillä materiaalisuunnittelijoiden täytyy tietää materiaalien molekyylirakenne tarkkaan, jotta esimerkiksi muoveja voidaan korvata kasviperäisillä biopolymeereillä. Atomivoimamikroskoopilla (AFM) voidaan mitata litteiden, tasomaisten molekyylien rakennetta. Jos molekyylit ovat monimutkaisia, niiden selvittäminen on kuitenkin paljon vaikeampaa.

Aallon tutkimuksessa koneoppimisjärjestelmää testattiin aluksi simuloidulla atomivoimamikroskoopin datalla. Professori Adam S. Fosterin tutkimusryhmä kehitti koneoppimisen ja AFM-simulaatioiden avulla menetelmän, joka osaa yhdistää atomivoimamikroskoopin kuvat niiden molekyylirakenteisiin.

Tämän tutkimuksen myötä saadaan runsaasti lisää tietoa materiaaleista ja ymmärrys kolmiulotteisten molekyylirakenteiden kuvista kasvaa. Lisäksi uudella menetelmällä pystytään nykyisiä menetelmiä nopeammin selvittämään, miten molekyyli asettuu pinnalle. Tehtävä voidaan myös toteuttaa ihmisasiantuntijoita nopeammin ja luotettavammin”, kertoo artikkelin ensimmäinen kirjoittaja, Aalto-yliopiston tohtorikoulutettava Benjamin Alldritt.

Tasomaisten molekyylien AFM-kuvia on helppo tulkita, mutta kolmiulotteisten molekyylien osalta se on paljon vaikeampaa. Esimerkiksi se, miten molekyyli tarttuu pintaan, on tärkeää selvittää, jotta ymmärretään, miten tiukasti molekyyli kiinnittyy pintaan tai reagoi sen kanssa.

 ”Tällä hetkellä käytettävä menetelmä on arvata rakenne, simuloida AFM-kuvat ja katsoa, menikö oikein. Kun mahdollisuuksia on paljon, tämä on hidasta ja vaivalloista, eikä lopulta voi olla kovin varma, tulivatko kaikki mahdolliset rakenteet mieleen”, selittää akatemiaprofessori Peter Liljeroth.

Tekoälyn avulla monimutkaisia, kolmiulotteisia AFM-kuvia voitiin tulkita luotettavasti ja nopeasti ja molekyylien rakenne pystyttiin selvittämään.

Tutkimuksessa käytettiin tunnettua biomolekyyliä, 1S-kamferia, jonka atomirakenne on tunnettu. Puuteollisuuden biotuotteena se muistuttaa paljon niitä molekyylejä, joista Aalto-yliopiston tutkijat pyrkivät valmistamaan kestävän kehityksen tuotteita.

Tutkimus toteutettiin akatemiaprofessori Liljerothin, professori Fosterin ja professori Juho Kannalan johdolla. Tutkimusartikkeli julkaistiin Science Advances -lehdessä.

Lisätietoa:

Artikkeli:
B. Alldritt, P. Hapala, N. Oinonen, F. Urtev, O. Krejci, F. Federici Canova, J. Kannala, F. Schulz, P. Liljeroth, A. S. Foster, Automated structure discovery in atomic force microscopy. Sci. Adv. 6, eaay6913 (2020). https://dx.doi.org/10.1126/sciadv.aay6913

  • Julkaistu:
  • Päivitetty:
Jaa
URL kopioitu

Lisää tästä aiheesta

Smart City Challenge
Tutkimus ja taide Julkaistu:

Neljä älykaupungin pilottihanketta käyntiin tammikuussa 2021

Kansainvälinen haaste keräsi yhteensä 71 älykaupunkeihin liittyvää ideaa.
ARTS open science roadshow, pic of the session
Tutkimus ja taide Julkaistu:

European Open Science Cloud (EOSC) Finnish Forumin webinaari 25.1.2021

Yksi puhujista on Karel Luyben, European Open Science Cloudin (EOSC) ensimmäinen puheenjohtaja ja Aalto-yliopiston hallituksen jäsen.
Installation Talk 2020, Jarkko Niiranen
Tutkimus ja taide Julkaistu:

Professori Jarkko Niiranen: Rakenteiden suunnittelun perustana ovat matemaattiset mallit

Laskennallisen rakennetekniikan vakituiseen associate professor -tehtävään nimitetty Jarkko Niiranen käsittelee esityksessään laskennallista mekaniikkaa.
Dronen ottama kuva Otakaari 1:sestä, kuva: Mikko Raskinen
Tutkimus ja taide Julkaistu:

Mistä tietää ilman GPS-signaalia, missä lennokki lentää?

Jouko Kinnarin väitöstutkimuksessa dronen sijainti selviää karttatietojen sekä antureiden avulla.