Nya neurala nätverk

– Min doktorandforskning handlar i grunden om biohybrida mikrosimmare, alltså bakterier som man lastar med bagage i form av partiklar. Men för att noggrant kunna studera mikrosimmares beteenden insåg jag att jag behövde en ny analytisk metod. Och på så vis flyttade jag fokus till artificiell intelligens och neurala nätverk, säger Saga Helgadóttir, doktorand vid institutionen för fysik på Göteborgs universitet.

Via den nya metoden analyseras bilder av mikrosimmarna när de interagerar med mikropartiklar i en lösning. Metoden går att tillämpa vid studier av alla sorters mikroskopiska organismer och partiklar.

Traditionellt har algoritmiska metoder använts i denna typ av forskning. Då skriver forskaren ett program med ett antal regler och parametrar som sedan ska definieras, omdefinieras och optimeras manuellt.

– Bilderna som jag ville studera innehöll fläckar som störde bakteriernas och partiklarnas positioner. Det innebar att jag var tvungen att byta parametrar hela tiden. Och detta var helt enkelt för tidskrävande eftersom den nödvändiga datamängden var så stor.

Intelligensen sätter reglerna

Nu behöver inte parametrarna i koden ändras manuellt eftersom maskinen själv får bestämma vilka regler som passar det aktuella problemet. Sedan, genom en stor mängd upprepningar, så lär sig maskinen att göra korrekta förutsägelser från ingångsdata. För detta krävs höga volymer träningsdata med exakta värden.

– Eftersom jag arbetar med partiklar och bakterier så är mina bilder ofta brusiga. Det är lätt att simulera den typen av bilder. Så efter att ha tränat det neurala nätverket på stora mängder simulerad data så testade vi den på riktig experimentell data. Och vi blev överraskade av hur bra det fungerade.

De två kommande och sista åren som doktorand så ska Saga Helgadottir fortsätta att utveckla metoden. Redan har arbetet väckt intresse genom en förhandsvisad version av artikeln, som i sin helhet nu ska publiceras i den vetenskapliga tidskriften Optica.

Källa: Göteborgs universitet