Los investigadores han desarrollado una flor de trabajo de aprendizaje automático para mejorar la fuerza de salida del cristal orgánico activado por foto. Utilizando Losu Regatis para identificar estructuras moleculares clave y la corrección de biacones para tomar muestras efectivas, obtuvieron una fuerza de al menos 37.0 mn, 73 veces más eficiente en las maneras tradicionales. Estos resultados pueden ayudar a desarrollar activistas de control remoto para dispositivos médicos y robótica, lo que puede respaldar una cirugía y aplicaciones invasivas mínimas, como el suministro de medicamentos de precisión.
Los materiales que transforman las estimulaciones al aire libre en movimiento mecánico, conocidos como activistas, juegan un papel importante en robótica, dispositivos médicos y otras aplicaciones avanzadas. Entre ellos, los cristales fotosilísticos se deterioran en respuesta a la luz, que prometen actividades livianas y de mayor alcance. Su rendimiento depende de factores como estructuras moleculares, propiedades de cristal y condiciones experimentales.
Un indicador importante del rendimiento de estas sustancias es la fuerza de bloqueo. Cuando la deformación está completamente prohibida, se usa más y más fuerza. Sin embargo, la interferencia compleja de las propiedades de cristal y las condiciones de prueba es difícil de lograr altas fuerzas de bloqueo. Comprender y corregir estos factores es esencial para mejorar las aplicaciones potenciales de los cristales de la foto.
En un paso hacia la mejora de la fuerza de salida del cristal orgánico que funciona con la imagen, los investigadores de la Universidad de Wesda han aprovechado la técnica de aprendizaje automático para mejorar su rendimiento. El estudio fue dirigido por el profesor asociado Takiya Tanaguchi del Centro de Ciencias de los Datos, así como al Sr. Kazuki Asiazaki y el Profesor Toro Asahi, tanto con el Departamento de Ciencias de Graduados e Ingeniería, con la Escuela de Graduados de Ciencias Avanzadas e Ingeniería en la Universidad de WEDA. Sus búsquedas fueron publicadas en línea Descubrimiento digital El 20 de marzo de 2025.
“Vemos que el aprendizaje automático simplifica más y más moléculas y parámetros experimentales”. “Esto nos alentó a conectar técnicas de ciencia de datos con química artificial, lo que nos ayudó a identificar rápidamente nuevos diseños moleculares y métodos experimentales para lograr resultados de alto rendimiento”.
En este estudio, el equipo utilizó dos técnicas de aprendizaje automático: LOSU (el operador de contracción y selección menos absoluto) para la selección de condiciones experimentales para el diseño molecular y la regresión correccional de Biacon. Como resultado de la primera fase, se creó el conjunto de materiales de derivados de cillyidinia, mientras que el segundo fue tomar muestras efectivas de este grupo para medir la fuerza del mundo real. Como resultado, el equipo maximizó con éxito la fuerza de bloqueo, produciendo 3.7 veces más fuerza que los valores informados anteriormente, y la completó al menos 73 veces más efectivamente que el método de prueba y error tradicional.
“Nuestra máquina de investigación indica un desarrollo significativo en los cristales orgánicos activados por fotografías al implementar sistemáticamente el aprendizaje de aprendizaje del aprendizaje”, dice el Dr. Teniguchi. “Al mejorar tanto las estructuras moleculares como las condiciones experimentales, hemos demostrado la capacidad de mejorar dramáticamente el rendimiento de los materiales que reaccionan la luz”.
La tecnología propuesta tiene una amplia gama de actores de control remoto, robótica a pequeña escala, dispositivos médicos y sistemas de energía eficiente. Dado que el cristal activado por la foto responde a la luz, permiten el encaje del contrato y la operación remota, lo que los convierte en los componentes robóticos ideales que funcionan en un entorno limitado o sensible. Su capacidad para producir la fuerza con una luz concentrada también puede ser valiosa para las herramientas microscópicas y los procedimientos de suministro de fármacos, que requieren activación remota y remota.
Aprovechando la salida mecánica excesiva de la limpieza en los rayos de entrada de la energía, estos materiales prometen procesos y equipos de fabricación ecológicos con el objetivo de reducir el consumo general de energía. “Además de mejorar la salida de fuerza, nuestro enfoque allana el camino para dispositivos fabricados más sofisticados, desde la tecnología hasta la tecnología de uso, la ingeniería aeroespacial y la vigilancia ambiental remota”.
Finalmente, este estudio destaca el poder de la estrategia de aprendizaje automático para acelerar el desarrollo de materiales activados por fotografías de alto rendimiento, y los acerca a las aplicaciones del mundo real y la regla comercial.
