O aprendizado de máquina transforma o mini design de raios de bio -híbrido, dobrando a eficiência de natação

Um novo estudo mostra uma aplicação de otimização direcionada de aprendizado de máquina (ML-DO) que procura com eficiência configurações de design de alto desempenho no contexto de robôs bio-híbridos. Aplicando uma abordagem de aprendizado de máquina, os pesquisadores criaram mini raios bio -híbridos feitos de cardiomiócitos (células do músculo cardíaco) e borracha com uma envergadura de cerca de 10 mm que são aproximadamente duas vezes mais eficientes na natação do que aqueles recentemente desenvolvidos sob uma abordagem biomimética convencional.

Uma equipe liderada pelo colega de pós -doutorado dos mares de Harvard, John Zimmerman, e incluindo o cientista da NTT Research Medical and Health Informatics Ryoma Ishii, o professor de bioengenharia e a física aplicada de Harvard Seas Tarr, e os membros do grupo biofísica da doença de Harvard Seas liderados por Parker demonstrou isso Pesquisa em um novo artigo publicado em Robótica científica Intitulado, “Design bioinspirado de um raio de engenharia de tecidos com aprendizado de máquina”.

“Esta pesquisa busca responder a uma pergunta fundamental no desenvolvimento de robôs bio -híbridos, neste caso o Marine Ray: como selecionamos geometrias de barbatana para operar em novos ambientes de trabalho, preservando as leis de escala natural em termos de velocidade e eficiência de natação”, disseram, disseram, afirmou. Ishii, que também trabalha como cientista visitante da Universidade de Harvard.

“Nossa pesquisa indica a aplicação do ML-DO, inspirada na engenharia de proteínas, oferece um caminho mais eficiente e menos computacionalmente intensivo para automatizar a criação de relações musculares da estrutura-função”.

Limitações da abordagem biomimética

No projeto biomimético, a abordagem convencional dos bio -híbridos, os engenheiros formam dispositivos funcionais recriando estruturas biológicas existentes. Essa abordagem, no entanto, tem limites. Para formas de vida bio -híbridas que se assemelham a peixes batóides (patins e raios), por exemplo, há uma ampla gama de proporções naturais e morfologias de barbatana. Quais você imita?

Além disso, a biomimética pode negligenciar as forças biomecânicas e hidrodinâmicas naturais que governam a rapidez com que um organismo pode nadar com base em seu tamanho e cinemática do corpo, levando a massa muscular ineficiente e velocidades limitadas de natação.

Nesse sentido, a pergunta motivadora neste estudo se tornou: como selecionar geometrias de barbatana que operam em novos ambientes de trabalho, preservando as leis de escala natural em termos de velocidade e eficiência de natação?

Os avanços do design do aprendizado de máquina

A natureza multidisciplinar e iterativa do problema exigia modelagem computacionalmente intensiva, mas a equipe acreditava que a otimização direcionada pelo aprendizado de máquina (ML-Do) permitiria uma pesquisa eficiente por projetos de barbatana que maximizavam suas velocidades relativas de natação.

Eles basearam sua hipótese em parte em uma função de teste que demonstrou uma melhoria de aproximadamente 40 % do ML-Do em relação a outros métodos principais no reconhecimento de sequências conhecidas de alto rank. Testar a suposição envolveu três etapas: 1) desenvolvendo um algoritmo para expressar uma infinidade de geometrias diferentes; 2) descrever uma abordagem generalizada de ML-DO para pesquisa em um grande espaço de configuração descontínuos; e 3) usando essa metodologia para identificar geometrias de barbatana bio-híbrida para natação de alto desempenho com fluxo suave e ordenado.

Os resultados orientados por ML incluíram uma exploração quantitativa das relações estrutura-função da estrutura e reconstrução de tendências gerais na morfologia do Batoid, bem como um design vencedor: barbatanas com grandes proporções e pontas cônicas finas, que preservaram sua utilidade em várias escalas de comprimento de natação.

Nessa base, a equipe construiu mini-raios de bio-híbrido a partir do tecido muscular cardíaco projetado, capaz de nadar autopropulsionado na escala de comprimento do milímetro e demonstrou uma melhor eficiência de natação aproximadamente duas vezes maior do que o observado em projetos biomiméticos anteriores.

Olhando para o futuro

Embora promissores, os pesquisadores observam que é necessário trabalho adicional para combinar completamente as leis de escala naturais. Enquanto os dispositivos apresentados neste estudo demonstraram maior eficiência do que outros projetos biomiméticos recentes, eles ainda eram um pouco menos eficientes em média do que as formas de vida marinhas que ocorrem naturalmente.

No futuro, os pesquisadores esperam continuar o desenvolvimento da robótica bio -híbrida para casos de uso, incluindo sensores remotos, sondas para ambientes de trabalho perigosos e como veículos de entrega terapêuticos. Os pesquisadores acreditam que a abordagem informada por ML imita melhor as pressões seletivas da evolução, permitindo que eles entendam melhor como os tecidos biológicos são moldados-tanto em uma fisiologia saudável quanto na fisiopatologia desadaptativa da doença. Além disso, esta pesquisa avança a compreensão científica da biofabricação de órgãos 3D, como um coração bio -híbrido.