A análise de imagens de aprendizado de máquina determina rapidamente a composição da mistura química

Apr 24, 2024

Você já estragou acidentalmente uma receita na cozinha adicionando sal em vez de açúcar? Devido à sua aparência semelhante, é um erro fácil de cometer. Da mesma forma, a verificação a olho nu também é usada em laboratórios de química para fornecer avaliações iniciais e rápidas das reações; no entanto, tal como na cozinha, o olho humano tem as suas limitações e pode não ser fiável.

Para resolver isso, pesquisadores do Instituto de Design e Descoberta de Reações Químicas (WPI-ICReDD), da Universidade de Hokkaido, liderados pelo professor Yasuhide Inokumadesenvolveram um modelo de aprendizado de máquinaque pode distinguir a proporção da composição de misturas sólidas de compostos químicos usando apenas fotografias das amostras.

O modelo foi desenhado e desenvolvido utilizando misturas de açúcar e sal como caso de teste. A equipe empregou uma combinação de corte, inversão e rotação aleatória das fotografias originais para criar um número maior de subimagens para treinamento e teste. Isso permitiu que o modelo fosse desenvolvido utilizando apenas 300 imagens originais para treinamento. O modelo treinado foi aproximadamente duas vezes mais preciso que o olho nu até mesmo do membro mais experiente da equipe.

“Acho fascinante que, com o aprendizado de máquina, tenhamos conseguido reproduzir e até superar a precisão dos olhos de químicos experientes”, comentou Inokuma. “Esta ferramenta deve ser capaz de ajudar novos químicos a obterem um olhar experiente mais rapidamente.”

Após o caso de teste bem-sucedido, os pesquisadores aplicaram este modelo à avaliação de diferentes misturas químicas. O modelo distinguiu com sucesso diferentes polimorfos e enantiômeros, ambos versões extremamente semelhantes da mesma molécula, com diferenças sutis no arranjo atômico ou molecular. Distinguir essas diferenças sutis é importante na indústria farmacêutica e normalmente requer um processo mais demorado.

O modelo foi ainda capaz de lidar com misturas mais complexas, avaliando com precisão a porcentagem de uma molécula alvo em uma mistura de quatro componentes. O rendimento da reação também foi analisado, determinando o progresso de uma reação de descarboxilação térmica.

A equipe demonstrou ainda a versatilidade de seu modelo, mostrando que ele poderia analisar com precisão imagens tiradas com um telefone celular, após a realização de treinamento complementar. Os pesquisadores prevêem uma ampla variedade de aplicações, tanto no laboratório de pesquisa quanto na indústria.

“Vemos isso como aplicável em situações onde é necessária uma avaliação constante e rápida, como o monitoramento de reações em uma fábrica de produtos químicos ou como uma etapa de análise em um processo automatizado usando um robô de síntese”, explicou o professor assistente Yuki Ide especialmente nomeado. “Além disso, isso poderia funcionar como uma ferramenta de observação para aqueles com deficiência visual.”

- Este comunicado de imprensa foi publicado originalmente no site da Universidade de Hokkaido