Tudo o que está a mudar ao redor e dentro de nós - a partir do movimento relativamente simples de corpos celestes, para o clima e processos biológicos complexos - é um sistema dinâmico. Uma grande parte da ciência está descobrindo as leis da natureza que fundamentam tais sistemas, resumindo-os em equações matemáticas que podem ser usados para fazer previsões, e, em seguida, testando essas equações e previsões através de experimentos.
Biofísicos ter tomado um outro pequeno passo em frente na busca de um método automatizado para inferir modelos que descrevem a dinâmica de um sistema -. Uma chamada robô cientista Nature Communications publicou a descoberta - um algoritmo prático para inferir leis da natureza a partir de dados de séries temporais de dinâmica sistemas.
"Nosso algoritmo é um pequeno passo", diz Ilya Nemenman, principal autor do estudo e professor de física e biologia na Universidade de Emory. "Pode ser descrito como uma versão de brinquedo de um robô cientista, mas mesmo assim ele pode ter aplicações práticas. Pela primeira vez, temos ensinado um computador como pesquisar de forma eficiente para as leis que fundamentam, sistemas dinâmicos arbitrários naturais, incluindo sistemas biológicos complexos, não lineares.
"A longo prazo sonho é aproveitar a computação em larga escala para fazer os palpites para nós e acelerar o processo de descoberta", diz Nemenman. Co-autor do Nemenman no papel é Bryan Daniels, um biofísico da Universidade de Wisconsin.
Enquanto a busca de um verdadeiro robô cientista, ou inteligência geral informatizado, permanece indefinida, este último algoritmo representa uma nova abordagem para o problema.
"Achamos que temos batido qualquer algoritmo de inferência automatizado que atualmente existe porque nós se concentrar em obter uma solução aproximada para um problema, o que podemos obter com muito menos dados", diz Nemenman.
Na pesquisa anterior, John Wikswo, um biofísico da Universidade de Vanderbilt, juntamente com colegas da Universidade de Cornell, aplicado um sistema de software para automatizar o processo científico para sistemas biológicos.
"Nós viemos com uma forma de derivar um modelo de comportamento celular, mas a abordagem é complicado e lento, e está limitado no número de variáveis que ele pode acompanhar - não pode ser escalado para sistemas mais complicados", Wikswo diz."Este novo algoritmo aumenta a velocidade de cálculo necessário, por um factor de 100 ou mais. Ele fornece um método elegante para gerar modelos compactos e eficazes que devem permitir a previsão e controlo de sistemas complexos."
Nemenman e Daniels apelidado seu novo algoritmo de "Sir Issac."
O verdadeiro Sir Isaac Newton serve como um exemplo clássico de como o método científico envolve a formação de hipóteses, em seguida, testá-los, olhando para os dados e experiências. Newton imaginou que as mesmas regras de gravidade aplicado a uma maçã cair e para a Lua em órbita. Ele usou os dados para testar e refinar o seu palpite e gerou a lei da gravitação universal.
Para testar o seu algoritmo, Nemenman e Daniels criado um modelo sistema solar artificial através da geração de trajetórias numéricos de planetas e cometas que se movem em torno de um sol. Neste sistema solar simplificado, só o sol atraiu os planetas e cometas.
"Nós treinamos nosso algoritmo como pesquisar através de um grupo de leis que foram limitados suficiente para ser prático, mas também flexível o suficiente para explicar muitas dinâmicas diferentes", explica Nemenman. "Nós, então, deu o algoritmo algumas trajetórias planetários simulados, e perguntou-lhe o que faz com que estes planetas se movem. Isso nos deu a força gravitacional universal. Não perfeitamente, mas com muito boa precisão. O erro foi apenas uma pequena percentagem."
O algoritmo também descobriu que a velocidade mudanças de força, não pela posição diretamente. "Fica a Primeira Lei de Newton,"Nemenman diz, "o fato de que, a fim de prever a possível trajetória de um planeta, se ele permanece perto do sol ou voa para o infinito, apenas conhecer a sua posição inicial não é suficiente. O algoritmo entende que você também precisa saber a velocidade. "
Enquanto a maioria dos dias de hoje estudante do ensino médio sabe Primeira Lei de Newton, levou a humanidade 2.000 anos além do tempo de Aristóteles para descobri-lo.
Uma limitação do algoritmo é inexatidão. Conseguir um modelo aproximado, no entanto, é benéfico, desde que a aproximação é perto o suficiente para fazer boas previsões, diz Nemenman.
"As leis de Newton também são aproximados, mas eles têm sido extremamente benéfico para 350 anos", diz ele. "Nós ainda estamos usando-os para controlar tudo, desde microscópios eletrônicos para foguetes."
Obter uma descrição exata de qualquer sistema dinâmico complexo requer grandes quantidades de dados, acrescenta. "Em contraste, com o nosso algoritmo, podemos obter uma descrição aproximada usando apenas algumas medidas de um sistema. Isso faz com que o nosso método prático."
Os investigadores demonstraram, por exemplo, que o algoritmo pode-se inferir a dinâmica de uma caricatura de um receptor imune num leucócito. Este tipo de modelo pode levar a uma melhor compreensão do curso de tempo para a resposta a uma infecção ou uma droga.
Em outro experimento, os pesquisadores alimentaram os dados do algoritmo de concentração de apenas três espécies diferentes de produtos químicos envolvidos na glicólise em leveduras. O algoritmo gerado um modelo que faz previsões precisas para o sistema completo deste processo metabólico básico de consumir glicose, que envolve sete espécies químicas.
"Se você aplicar outros métodos de inferência automática a este sistema seria normalmente levam dezenas de milhares de exemplos para gerar de forma confiável as leis que orientam essas transformações químicas", diz Nemenman. "Com nosso algoritmo, fomos capazes de fazê-lo com menos de 100 exemplos."
Com os seus colaboradores experimentais, os pesquisadores estão agora a explorar se o algoritmo pode modelar processos biológicos mais complexos, tais como a dinâmica de secreção de insulina no pâncreas e a sua relação com o início de uma doença como a diabetes. "A biologia de células secretoras de insulina é extremamente complexo. Compreender sua dinâmica em múltiplas escalas, vai ser difícil, e pode não ser possível durante anos com métodos tradicionais", diz Nemenman. "Mas nós queremos ver se podemos ter uma boa aproximação suficiente com nosso método para entregar um resultado prático."
A intuição de uma mente genial como a de Isaac Newton é uma qualidade que distingue a inteligência humana até mesmo o computador mais alta potência e programa algorítmico.
"Você não pode dar uma intuição máquina - pelo menos por agora", diz Nemenman. "O que estamos esperando que nós podemos fazer é buscar o nosso algoritmo de computador para cuspir modelos de fenómenos para que nós, como cientistas, pode usá-los e nossa intuição para fazer generalizações úteis. É mais fácil generalizar a partir de modelos de sistemas específicos, então é generalizar a partir de vários conjuntos de dados diretamente. "
A imagem na parte superior da página mostra sopa de quarks, líquido plasma quark-glúon, desde o Colisor Relativístico de Íons Pesados (RHIC), um "acelerador de partículas" no laboratório de Brookhaven que recria as condições do universo muito cedo para explorar as propriedades fundamentais e interações da matéria.
O Daily Galaxy Via Emory University Health Services
Crédito de imagem: Com agradecimentos a bnl.gov
Nenhum comentário:
Postar um comentário