Stanford-Physiker schaffen KI, um Naturgesetze zu stören

Innovatives Programm für künstliche Intelligenz erstellt das Periodensystem neu.

Quelle: istockphoto

Stellen Sie sich vor, Sie könnten die Kraft der künstlichen Intelligenz (KI) nutzen, um neuartige Materialien zu entwickeln, die möglicherweise viele Industrien revolutionieren können, wie z. B. Pharmazeutika, Biotechnologie, Elektronik, Kunststoffe, Halbleiter, Glas, Energie, Nanotech, Metalllegierungen, Verbundwerkstoffe, Keramik, Optik , und viele mehr. Im Jahr 2018 kündigten bahnbrechende Physiker der Stanford University im kalifornischen Palo Alto in PNAS ( Proceedings der National Academy of Sciences der Vereinigten Staaten von Amerika ) die Schaffung eines neuen AI-Programms (Atom2Vec) an, mit dem das Periodensystem neu erstellt werden konnte von Elementen – ein Meilenstein auf dem Weg zu einer KI, die neue Naturgesetze entdecken und neuartige Materialien und Verbindungen entwickeln kann [1]. Atom2Vec konnte dies innerhalb weniger Stunden erreichen, verglichen mit den vielen Jahrhunderten, die es für den Menschen benötigte [2]. Die Art und Weise, wie dies erreicht wurde, war ein interdisziplinärer KI-Ansatz – die Anwendung sprachlicher Konzepte auf die Materialwissenschaft.

Die Physiker von Stanford wendeten die Hypothese von Zellig S. Harris bezüglich der Verteilungsstruktur der Sprache auf Atome anstelle von Wörtern an. Das linguistische Konzept von Harris legt die Idee nahe, dass Grundklassen der Sprachentitäten nach Verteilungsverhalten gruppiert werden können, da sie tendenziell ähnliche Verteilungseigenschaften aufweisen. Um Harris ‘Idee zu veranschaulichen, wird das Wort “Tante” mit “weiblich” und “Onkel” mit “männlich” assoziiert. Ein möglicher Vektor für “Tante” kann als “Tante gleich Onkel minus männlich plus weiblich” beschrieben werden. Basierend auf dieser sprachlichen Analogie erstellte das Forschungsteam Atom2Vec mit Konzepten aus Googles Word2Vec, einem zweischichtigen neuronalen Netz für das Parsing natürlicher Sprache [3].

• Borderline Personality- und ADHS-Cluster in Familien
• Die steigende Rate von Autismus bei Kindern
• Neue Forschung: Pestizide im Zusammenhang mit Autismus
• Wie Stammzellinnovation die Neurowissenschaftsforschung vorangebracht hat
• Habe Vertrauen in die Liebe

Die Physiker verwendeten „Atomvektoren als grundlegende Eingabeeinheiten für neuronale Netzwerke und andere ML-Modelle, die zur Vorhersage von Materialeigenschaften entworfen und trainiert wurden.“ Atom2Vec basiert auf der Umwandlung von Basisdateneinheiten in mathematische Vektoren, die das KI-Programm durch das Erkennen von Mustern lernt. Atom2Vec konnte zum Beispiel feststellen, dass Natrium und Kalium ähnliche Eigenschaften haben, basierend auf der gemeinsamen Eigenschaft der Bindung von Chlor.

Diese erste Iteration von Atom2Vec basierte auf dem unbeaufsichtigten maschinellen Lernen. Dies bedeutet, dass dem Algorithmus unbeschriftete Eingabedaten ohne entsprechende Ausgangsvariablen zugeführt wurden, mit dem Ziel, dass der Algorithmus die inhärente Struktur aus den Eingabedaten lernt. Für die nächste Version wird das Team den Durchbruch in der KI nutzen und das Periodensystem der Elemente neu erstellen, um zukünftige Behandlungen für Krebspatienten mit einem stärker überwachten maschinellen Lernansatz zu entwickeln. Das übergeordnete Ziel für Atom2Vec 2.0 ist die Identifizierung der optimalen Antikörper mit der geringsten Toxizität und maximalen Wirksamkeit, um Antigene gegen Krebszellen zu bekämpfen. Bei der Suche nach neuen Lösungen für die Behandlung von Krebsimmuntherapien planen die Forscher, Gene auf einem mathematischen Vektor abzubilden, um die mehr als 10 Millionen Antikörper im menschlichen Körper zu organisieren. Die Zukunft von Atom2Vec wird sich über alle Disziplinen erstrecken: Chemie, Biologie, Onkologie, Immuntherapie und Medizin.

Copyright © 2018 Cami Rosso Alle Rechte vorbehalten.

• Rot, Schreck und Blau
• Wenn Trauma generationsübergreifend ist, gilt Resilienz und PTG
• Warum sich mit Sex beschäftigen?
• Sind moderne Menschen die einzige Spezies mit Religion?
• 7 Fast-Awesomes

Verweise

1. Zhou, Quan; Tang, Peizhe; Liu, Shenxiu; Pan, Jinbo; Yan, Qimin; Zhang, Shou-Cheng. „Atome lernen für die Materialforschung“. Verfahren der National Academy of Sciences der Vereinigten Staaten von Amerika (PNAS ). 26. Juni 2018.

2. Dann Ker. „Stanford AI stellt das Periodensystem der Chemie nach.“ Stanford News. 25. Juni 2018.

3. Cobley, Andrew. „Machst du Word2Vec? Der neuronale Bücherwurm von Google. “ The Register. 13. Oktober 2017.