ابداع زبان یادگیری جدیدی برای مطالعه نانوحفره ها

تعداد زیادی از مواد دو بعدی مانند گرافن می توانند دارای نانوحفره ها باشند؛ سوراخ های کوچکی که از اتم های گمشده تشکیل شده اند و مواد خارجی می توانند از آن عبور کنند.

- تعداد زیادی از مواد دو بعدی مانند گرافن می توانند دارای نانوحفره ها باشند؛ سوراخ های کوچکی که از اتم های گمشده تشکیل شده اند و مواد خارجی می توانند از آن عبور کنند.

ویژگی های این نانوحفره ها خواص جدیدی را به آن دیکته می کند و این مواد را قادر می سازد تا گازها را حس کنند، آب دریا را فیلتر و حتی به تعیین توالی یابی DNA کمک کنند.

به گزارش ایسنا، آنانت گویند راجان، استادیار دپارتمان مهندسی شیمی مؤسسه علوم هند(IISc) می گوید: مشکل این است که این مواد دو بعدی دارای توزیع گسترده ای از نانوحفره ها، هم از نظر شکل و هم از نظر اندازه هستند.

شما نمی دانید که قرار است در ماده چه چیزی تشکیل شود، بنابراین درک ویژگی غشای حاصل بسیار دشوار است.

مدل های یادگیری ماشینی می توانند ابزاری قدرتمند برای تجزیه و تحلیل ساختار نانوحفره ها به منظور کشف ویژگی های جدید باشند.

اما این مدل ها برای توصیف ظاهری یک نانوحفره عمل می کنند.

در مطالعه ای که در مجله انجمن شیمی آمریکا منتشر شد، راجان و همکارانش زبان جدیدی ابداع کردند که شکل و ساختار نانوحفره ها را در قالب دنباله ای از کاراکترها رمزگذاری می ک