在美国研究人员结合催化点击反应与自动化液体处理和紫外可见光谱创建一个简单的神经网络,可以分类二进制图像。
化学计算设计灵感来源于生命系统的复杂性和效率,旨在开发化学同行能够进行信息处理和存储等功能。迄今为止,DNA分子在这一领域研究的首选。但简单的基于小分子化学系统,它可以容忍更大范围的反应条件,需要更少的组件,开始打开化学计算的新途径。
自催化反应共享一个关键特性——它们催化的反应的产品。因此,反应速率与产品目前的数量,这也意味着自催化反应时显示一个非线性响应产品随着时间的推移形成。动力学模型用于描述这些反应有类似激活函数的数学形式用于人工神经网络。这种相似性启发从布朗大学的一组科学家,由雅各布Rosenstein,构建一个赢家通吃的神经网络使用一个自催化反应。
研究人员使用一个既定copper-catalysed 2-azidoethanol和tripropargylamine之间的环加成反应。这个点击反应生产三羟甲基氨基甲烷(triazolylmethyl)胺液,从而增加铜(I)的生产活动,导致自动催化作用。这项工作的一个关键优势是,点击反应很健壮,可以容忍不同的条件,评论Ekaterina Skorb, infochemistry ITMO大学的研究员在俄罗斯。这是一个很简单的反应,(已经)明确规定如何使用它,输入和输出是什么。”
在一个赢家通吃的神经网络,彼此之间潜在的类竞赛和类,达到一个特定的条件首先被认为是赢家。在这种情况下,研究人员使用反应中点(过渡时间,t1/2),它可以通过调优程序三羟甲基氨基甲烷(triazolylmethyl)胺液的初始浓度,作为图像分类的条件。在培训期间,网络权值调整这类的t1/2首先代表输入图像类最相似的图像。
实现网络化学赢家通吃,二进制编码的团队16×16-pixel图像板,使用初始浓度三(triazolylmethyl)指定像素的颜色,一个代表一个像素的位置。接下来,研究人员使用一个机器人流体处理程序将一定体积,依赖权重决定通过网络培训,从每个。样本加在一起成单个池为每一个潜在的图像类和混合着新鲜的试剂。最后,池达到过渡时间第一列为获胜者,识别图像类。
点击反应可能会为许多研究者所熟悉。但Skorb说这项工作很重要,因为它给我们提供了全新的视角人们如何使用它为计算机科学的。Rosenstein和他的同事们预计,自催化反应网络将在新化学计算系统发挥重要作用。为了未来,Skorb说,“这将是很好的,如果我们能找到一种方法结合化学系统和生物系统的添加,点击化学在水工作以来,它可以结合更复杂的化学计算机进行人工大脑。
还没有评论