La enzima lacasa es capaz de alterar la estructura química de la madera en su superficie y así facilitar modificaciones bioquímicas sin cambiar la estructura del material. Sin embargo, hay diferentes lacasas, y no todas funcionan en todos los casos. Crédito:Thordis Rüggeberg
La enzima lacasa es capaz de alterar la estructura química de la madera en su superficie y así facilitar modificaciones bioquímicas sin cambiar la estructura del material. Al unir moléculas funcionales, Los investigadores de Empa desarrollan superficies de madera impermeables o antimicrobianas, por ejemplo. También es posible fabricar fibras de madera adhesivas, que se puede prensar sobre tableros de fibra sin ningún agente químico aglutinante. Estos tableros de fibra sin disolventes se utilizan para el aislamiento de casas ecológicas.
El problema:hay muchas variantes de lacasa, que difieren en la arquitectura del centro químicamente activo, y no todos reaccionan con el sustrato deseado. Como es extremadamente difícil predecir si una lacasa en particular reaccionará o no con un sustrato específico, Se requieren una serie de experimentos costosos y que requieren mucho tiempo para identificar los pares adecuados de lacasa-sustrato. Las simulaciones moleculares podrían resolver el problema:simplemente necesita un análisis estructural preciso de la lacasa para simular el mecanismo de reacción química para cada combinación deseable en la computadora. Sin embargo, esto requiere una alta capacidad informática y, incluso entonces, sería extremadamente costoso y consumiría mucho tiempo.
Pero hay un atajo:"aprendizaje profundo". Un programa de computadora está entrenado para reconocer patrones con datos de la literatura y experimentos propios:¿Qué lacasa oxida qué sustrato? ¿Cuáles podrían ser las mejores condiciones para que se lleve a cabo el proceso químico deseado? Lo mejor de esto:la búsqueda funciona incluso si no se conocen todos los detalles sobre el mecanismo químico.
Cómo altera la lacasa la superficie de la madera:Una molécula deseada se une químicamente a la celulosa de la madera con la ayuda de la enzima. Crédito:Empa
Grandes avances en los últimos siete años
La disponibilidad de los datos en una forma adecuada y la arquitectura de la red de aprendizaje profundo son cruciales para que esto tenga éxito. Schubert ya trabaja con redes neuronales desde hace más de siete años. Su primer proyecto sobre el tema se remonta a 2012, lo último de 2018. "En el pasado, Trabajamos con redes neuronales superficiales:una capa de entrada, una capa oculta y una capa de salida. Hoy dia, trabajamos con redes considerablemente más complejas. Contienen varias capas ocultas y son mucho más poderosas ".
Schubert entrena sus algoritmos con conjuntos de datos conocidos y los prueba con conjuntos de datos que el sistema nunca ha visto antes. Y sus informes sobre la solidez de su "motor de búsqueda de madera inteligente" son asombrosos:en el pasado, solo pudo usar cuidadosamente seleccionados, datos significativos para lograr resultados decentes. Mientras tanto, también está probando sus sistemas con pilas de datos parcialmente inutilizables. La máquina reconoce lo que puede utilizar y lo que no.
Aplicación industrial de KI
La solidez del sistema ya permite que la industria utilice la máquina de aprendizaje profundo. Los paneles aislantes autoadhesivos se producen en la empresa asociada Pavatex, con el que Schubert ha estado trabajando durante algún tiempo. El proceso de producción está lleno de sensores; Se acumulan enormes cantidades de datos que nos dicen "algo" sobre la calidad de los tableros fabricados. ¿Solo que? El motor de búsqueda de madera inteligente de Schubert encuentra la conexión.
El investigador está trabajando actualmente en optimizar la producción de esta forma. Si algo sale mal en un punto del procesamiento de la fibra, la producción debe ajustarse antes de que se vea afectada la calidad del producto final. Esto ahorra costosos controles en el producto final y puede reducir la tasa de error en el proceso de producción.
