나노기술 및 정책 정보

• 목록

나노세계에서 단백질과 같은 작은 입자는 액체에 떠있는 동안 다양한 작업을 수행하기 위해 변형 및 조립될 때 춤추는 것처럼 보임.

일리노이 대학교(University of Illinois at Urbana-Champaign) 연구팀이 최근에 개발된 방법을 통해 이처럼 잡기 힘든 작은 동작을 보고 기록할 수 있게 되었으며, 연구원들은 이제 프로세스를 간소화하기 위한 기계학습 워크플로를 개발하여 한 걸음 더 나아감. 이 새로운 연구는 액체상 전자현미경에 대한 과거 연구를 기반으로 한 것임. 나노입자의 움직임을 보고 기록할 수 있다는 것은 다양한 공학적 과제를 이해하는 데 필수적임. 연구자들이 나노입자가 작은 수족관과 같은 샘플 용기 내부에서 상호작용하는 것을 관찰할 수 있게 해주는 액상 전자현미경은 의학, 에너지 및 환경 지속가능성 연구 및 메타물질 제조에 유용함. 그러나 데이터 세트를 해석하는 것은 어렵다고 연구원들은 말함. 제작된 비디오 파일은 크고 시간 및 공간 정보로 가득 차 있으며 배경신호로 인해 잡음이 있음. 즉, 지루한 이미지 처리 및 분석이 많이 필요함. 이 문제를 해결하기 위해 연구팀은 부분적으로 인간두뇌의 학습능력을 모방하는 인공신경망을 기반으로 하는 기계학습 워크플로를 개발했음. 이 프로그램은 U-Net으로 알려진 기존의 신경망을 기반으로 하며, 손으로 만든 기능이나 미리 결정된 입력이 필요하지 않으며 다른 유형의 현미경을 사용하여 불규칙한 세포기능을 식별하는 데 상당한 돌파구를 가져 왔음. 연구팀의 새로운 프로그램은 운동, 화학반응 및 나노입자의 자기조립을 포함한 세 가지 유형의 나노스케일 역학에 대한 정보를 처리했음. 연구진은 약 300,000 쌍의 상호작용하는 나노입자로부터 측정값을 수집했음. 생물학적 응용으로 바이러스와 면역체계 사이, 약물과 면역체계 사이, 그리고 약물과 바이러스 자체 사이에는 이해해야 할 중요한 나노규모의 상호작용이 있음. 연구팀의 새로운 처리방법을 통해 입증된 대로 샘플에서 정보를 추출 할 수 있음. 여기에서 애플리케이션 및 모델시스템의 다음 단계를 준비​​할 수 있음.

연구팀은 이 연구에 사용된 기계학습 프로그램의 소스코드를 새 논문의 추가정보 섹션을 통해 공개적으로 사용할 수 있도록 했음.

본 연구 성과는 ‘ACS Central Science’ (“Machine Learning to Reveal Nanoparticle Dynamics from Liquid-Phase TEM Videos”) 지에 게재됨