هوش مصنوعی راز پنهان ساختار آب را آشکار کرد
پژوهشگران دانشگاه اوزاکا ژاپن با کمک هوش مصنوعی موفق شدهاند چارچوبی جدید برای بررسی ساختار مولکولی آب توسعه دهند، دستاوردی که میتواند به درک بهتر رفتارهای غیرعادی آب از جمله انبساط آن هنگام یخزدن کمک کند. نتایج این پژوهش در نشریه Communications Chemistry منتشر شده است.
به گزارش ساینس دیلی، آب با وجود آنکه حدود ۷۰ درصد سطح زمین را پوشانده همچنان یکی از پیچیدهترین مواد شناختهشده در طبیعت به شمار میرود. برخلاف تقریبا همه مایعات آب هنگام یخ زدن منبسط میشود و چگالی آن کاهش مییابد، ویژگیای که نقش مهمی در شکلگیری اکوسیستمهای طبیعی و حیات روی زمین دارد.
دانشمندان سالهاست میدانند این رفتارهای غیرمعمول به تغییرات ساختار مولکولی آب در دما و فشارهای مختلف مربوط است اما تاکنون روشی استاندارد و یکپارچه برای اندازهگیری و مقایسه این تغییرات در اختیار نداشتند.
اکنون گروهی از محققان دانشگاه اوزاکا با بهرهگیری از هوش مصنوعی، روشی ارائه کردهاند که میتواند شیوههای مختلف توصیف ساختار آب را ارزیابی و با یکدیگر مقایسه کند. این چارچوب جدید بهویژه بر مطالعه آب فوقسرد (Supercooled Water) تمرکز دارد حالتی که در آن آب با وجود کاهش دما به زیر نقطه انجماد همچنان به صورت مایع باقی میماند.
آب فوقسرد چگونه شکل میگیرد؟
برای تبدیل آب مایع به یخ، مولکولهای آب باید در قالب یک شبکه بلوری منظم کنار یکدیگر قرار گیرند. این فرایند از نقاطی موسوم به هستههای جوانهزنی (Nucleation Sites) آغاز میشود. این نقاط میتوانند بهواسطه وجود ناخالصیهای بسیار کوچک یا حتی خراشهای میکروسکوپی روی دیواره ظرف ایجاد شوند.
اگر چنین نقاطی وجود نداشته باشند آب میتواند حتی در دمای پایینتر از صفر درجه سانتیگراد نیز بدون یخ زدن به حالت مایع باقی بماند. این وضعیت که به آن آب فوقسرد گفته میشود یکی از جذابترین موضوعات در فیزیک و شیمی آب به شمار میرود.
مطالعات پیشین نشان دادهاند که رفتارهای غیرعادی آب در این حالت شدیدتر میشود. یکی از نظریههای مطرح این است که آب فوقسرد دائما میان دو نوع ساختار مایع با چگالی بالا (HDL) که ساختاری فشردهتر دارد و مایع با چگالی پایین (LDL) که ساختاری بازتر و کمتراکمتر ایجاد میکند مایع جابهجا میشود.
این دو ساختار از شبکهای پویا از پیوندهای هیدروژنی میان مولکولهای آب شکل میگیرند. با افزایش دما ساختارهای متراکمتر یا همان HDL غالب میشوند در حالی که در دماهای پایینتر سهم ساختارهای LDL افزایش مییابد.
مشکل دانشمندان در مقایسه ساختارهای آب
طی سالهای گذشته پژوهشگران شاخصهای مختلفی برای توصیف ساختار محلی مولکولهای آب توسعه دادهاند از جمله معیارهایی مانند نظم چهاروجهی پیوندها (Tetrahedral Bond Order) و چگالی موضعی (Local Density)، اما از آنجا که هر یک از این شاخصها بهطور مستقل طراحی شدهاند مقیاسها، ابعاد و نوع اطلاعات آنها با یکدیگر تفاوت دارد. همین موضوع باعث شده مقایسه مستقیم آنها دشوار باشد و مشخص نشود کدام شاخص تصویر دقیقتری از رفتار واقعی آب ارائه میدهد.
هوش مصنوعی چگونه این مشکل را حل کرد؟
کانگ کیم نویسنده مسئول این پژوهش میگوید: مطالعات پیشین نشان داده بود که استفاده از یادگیری ماشین برای طبقهبندی و تحلیل دادههای ساختاری بسیار موثر است. هدف ما این بود که از یک مدل شبکه عصبی استفاده کنیم تا میزان دقت شاخصهای مختلف در ثبت اطلاعات ساختاری کلیدی را به شیوهای مشابه نحوه درک انسان ارزیابی کنیم.
برای آموزش این سامانه پژوهشگران دادههای ساختاری حاصل از شبیهسازیهای دینامیک مولکولی آب فوقسرد را در اختیار شبکه عصبی قرار دادند. هوش مصنوعی نیز از طریق فرایند آزمون و خطا، الگوهای معنادار موجود در دادهها را شناسایی و یاد گرفت.
شناسایی دقیقترین شاخصهای ساختاری
نوبویوکی ماتوبایاشی از نویسندگان ارشد پژوهش توضیح داد: شبکه عصبی با استفاده از دانستههای خود عملکرد ۱۶ شاخص مختلف را در تفکیک ساختارهای LDL و HDL در دماهای گوناگون مقایسه کرد و در نهایت توانست کارآمدترین شاخصها را شناسایی کند.
پژوهشگران معتقدند چارچوب مبتنی بر هوش مصنوعی آنها میتواند ارتباط میان تغییرات ریزساختاری آب و ویژگیهای ترمودینامیکی آن را با دقت بیشتری آشکار کند. این دستاورد نهتنها میتواند به توضیح منشا رفتارهای منحصربهفرد آب کمک کند بلکه راه را برای توسعه ابزارهای پیشرفتهتر در مطالعه این ماده حیاتی هموار خواهد کرد.
به باور محققان استفاده از هوش مصنوعی در تحلیل ساختار مولکولی آب میتواند افقهای تازهای را در پژوهشهای فیزیک، شیمی و علوم مواد بگشاید و به درک بهتر یکی از بنیادیترین و در عین حال اسرارآمیزترین مواد موجود در طبیعت منجر شود.
انتهای پیام/
