Un spectrometru care învață singur, atunci când simulările nu sunt suficiente
Spectrometrele de rezonanță magnetică nucleară (RMN) pot dezvălui structura moleculelor până la nivel atomic, însă semnalele slabe le limitează capacitatea de analiză. Cercetătorii de la Universitatea Aarhus au folosit inteligența artificială pentru ca spectrometrul să învețe direct de la probă cea mai bună secvență de impulsuri, fără a mai depinde de simulări detaliate ale sistemului de spini.
Spinul este o proprietate cuantică ce face ca nucleele atomice și electronii să se comporte oarecum ca niște magneți minusculi. El stă la baza rezonanței magnetice nucleare și a aparatelor RMN. Problema este că doar o foarte mică parte din spinii nucleari se orientează într-o singură direcție, ceea ce produce un semnal global slab.
„RMN are același dezavantaj ca aparatele RMN: este relativ insensibilă. Probe trebuie să conțină o concentrație mare din ceea ce vrei să analizezi”, explică profesorul Niels Chr. Nielsen de la Universitatea Aarhus.
Electronii, folosiți pentru a amplifica semnalul
Electronii pot ajuta, deoarece momentul lor magnetic este de aproximativ 660 de ori mai mare decât cel al unui proton. Spinii lor se pot ordona astfel mult mai puternic într-un câmp magnetic. Prin impulsuri de microunde proiectate cu atenție, cercetătorii pot transfera o parte din această ordine de la electroni la nucleele atomice. Tehnica este cunoscută sub numele de polarizare nucleară dinamică (DNP).
DNP este bine stabilită, dar utilizarea ei eficientă nu este deloc simplă. Un sistem de electroni și nuclee poate conține sute sau mii de spini care interacționează între ei, ceea ce face extrem de dificilă calcularea în avans a secvenței ideale de impulsuri de microunde. În plus, un model computerizat poate să nu surprindă toate imperfecțiunile instrumentului real.
Spectrometrul, integrat în procesul de optimizare
Cercetătorii au conectat un spectrometru DNP construit în laborator la un algoritm de învățare automată bazat pe optimizare bayesiană. Sistemul testează o secvență de impulsuri direct pe probă, măsoară rezultatul, învață din el și propune următorul experiment. Astfel, proba reală și instrumentul însuși devin parte din procesul de optimizare.
„Ce este nou este că lăsăm spectrometrul să învețe singur cum să realizeze cele mai bune experimente”, spune doctorandul Filip V. Jensen, primul autor al studiului publicat în Science Advances.
Cercetătorii au testat metoda pe două sisteme de spini diferite. Într-unul dintre ele, algoritmul a găsit soluții comparabile cu unele dintre cele mai bune abordări existente. În sistemul mai complex, secvența de impulsuri găsită de algoritm a produs o amplificare a semnalului cu aproximativ 70% mai mare decât metoda de referință folosită de cercetători.
Fiecare optimizare a durat între aproape două zile și aproape cinci zile. Odată ce a fost găsită o secvență eficientă, însă, ea poate fi reutilizată. Iar o sensibilitate mai mare înseamnă că sunt necesare mai puține repetări pentru a obține un semnal util, ceea ce reduce timpul total de măsurare.
Un pas spre senzori cuantici mai buni
Studiul este o dovadă de concept realizată pe sisteme model și reprezintă cercetare fundamentală, dar Nielsen vede o perspectivă mai largă. Aceeași abordare ar putea deveni un instrument pentru dezvoltarea unor senzori cuantici bazați pe rezonanță magnetică mai buni, în care sisteme complexe de spini trebuie controlate fără a fi simulate mai întâi în fiecare detaliu.
Pe termen mai lung, el indică posibile aplicații în laboratoare avansate, în monitorizarea proceselor industriale, în măsurători de mediu și în analiza alimentelor. Alte metode analitice pot fi mai sensibile dacă singurul scop este detectarea prezenței unei cantități minuscule dintr-o substanță. RMN oferă însă ceva diferit: informații detaliate despre modul în care sunt structurate moleculele și materialele.
Nielsen explică astfel: „Dacă mi-ai pune capul într-un senzor optic, probabil ai afla mai ales că nu am mult păr. Dar într-un aparat RMN ai șansa să vezi ce este înăuntru.”
