Машинное обучение трансформирует мини -биогибридный дизайн луча, удвоение эффективности плавания

Новое исследование показывает применение направленной оптимизации машинного обучения (ML-DO), которое эффективно ищет конфигурации высокопроизводительных проектов в контексте биогибридных роботов. Применяя подход машинного обучения, исследователи создали мини -биогибридные лучи из кардиомиоцитов (клеток сердечных мышц) и резина с размахом крыльев около 10 мм, которые примерно в два раза более эффективны при плавании, чем недавно разработанные при обычном биомиметическом подходе.

Команда, возглавляемая научным сотрудником по докторантуре в Гарвардском море Джоном Циммерманом, в том числе научно -исследователь по медицинской информатике по медицинской и медицинской информатике Райома Иший, профессор семьи Биоинженерии и прикладной физики прикладной и прикладной физики Кевин Кит Паркер и члены Группы биофизики в Гарвардских морях, возглавляемая Паркер, это продемонстрировала это исследования в новой статье, опубликованной в Научная робототехника Под названием «Дизайн биоинформированного изготовления ткани разработал луч с машинным обучением».

«Это исследование направлено на то, чтобы ответить на фундаментальный вопрос в разработке биогибридных роботов, в данном случае Marine Ray: как мы выбираем геометрию FIN для работы в новой рабочей среде, сохраняя при этом законы о естественном масштабировании с точки зрения скорости и эффективности плавания», — сказал Иший, который также работает в качестве приглашенного ученых в Гарвардском университете.

«Наше исследование указывает на применение ML-DO, вдохновленное белковой инженерией, предлагает более эффективный и менее интенсивный путь к вычислительному интенсивному пути в автоматизации создания взаимосвязи мышечной структурной функции».

Ограничения биомиметического подхода

В дизайне биомиметики, обычный подход к биогибридам, инженеры образуют функциональные устройства, воссоздавая существующие биологические структуры. Такой подход, однако, имеет ограничения. Например, для биогибридных форм жизни, которые напоминают батоидные рыбы (коньки и лучи), существует широкий спектр естественных соотношений сторон и морфологии FIN. Какие из них вы имитируете?

Кроме того, биомиметика может пренебрегать естественными биомеханическими и гидродинамическими силами, которые управляют тем, как быстро организм может плавать в зависимости от его размера и кинематики тела, что приводит к неэффективной мышечной массе и ограниченной скорости плавания.

В этом свете мотивирующий вопрос в этом исследовании стал: как выбрать геометрию FIN, которые работают в новой рабочей среде, сохраняя при этом законы о естественном масштабировании с точки зрения скорости и эффективности плавания?

Прорывы дизайна машинного обучения

Междисциплинарный и итеративный характер проблемы, требуемой вычислительно интенсивным моделированию, но команда полагала, что направленная оптимизация путем машинного обучения (ML-DO) позволит эффективному поиску конструкций FIN, которые максимизировали их относительные скорости плавания.

Они основывали свою гипотезу частично на функции испытания, которая продемонстрировала приблизительно 40-процентное улучшение ML-DO по сравнению с другими ведущими методами в распознавании известных высокопоставленных последовательностей. Проверка предположения включало три шага: 1) разработка алгоритма для выражения множества различных геометрий плавников; 2) описание обобщенного подхода ML-DO для поиска в большом прерывищем пространстве конфигурации; и 3) Использование этой методологии для определения геометрии биогибридных плавников для высокопроизводительного плавания с плавным и упорядоченным потоком.

Результаты, управляемые ML-DO, включали количественное исследование взаимоотношений структурной функции структуры FIN и реконструкцию общих тенденций в морфологии батоидов с открытым модом, а также выигрышный дизайн: плавники с большими соотношениями и тонкими коническими кончиками, которые сохранили их полезность В нескольких масштабах плавания.

Исходя из этого, команда построила биогибридные мини-лучи из инженерной ткани сердца мышц, которые были способны к самоходному плаванию в масштабе длины миллиметра и продемонстрировали улучшенную эффективность плавания примерно в два раза больше, чем наблюдалось в предыдущих биомиметических конструкциях.

Глядя в будущее

Несмотря на многообещающие, исследователи отмечают, что необходима дополнительная работа, чтобы полностью соответствовать естественным законам масштабирования. В то время как устройства, представленные в этом исследовании, продемонстрировали большую эффективность, чем другие недавние биомиметические конструкции, в среднем они были немного менее эффективными, чем в природе, встречающихся морских формах жизни.

В будущем исследователи рассчитывают продолжить разработку биогибридной робототехники для вариантов использования, включая удаленные датчики, зонды для опасных рабочих сред и в качестве терапевтических транспортных средств. Исследователи полагают, что информированный ML-DO-подход лучше имитирует избирательное давление эволюции, что позволяет им лучше понять, как формируются биологические ткани-как в здоровой физиологии, так и в неадаптивной патофизиологии заболевания. Кроме того, это исследование способствует научному пониманию биопрофильки 3D органов, такого как биогибридное сердце.