Нові програми ШІ в мікробіології та хімії

Дослідники мікробіології та хімії починають вивчати потенціал технології штучного інтелекту на основі комп’ютерного зору у своїх галузях. Технології машинного навчання можуть відкрити захоплюючий діапазон можливостей, від дослідження нових хімічних сполук до швидкої ідентифікації клітин і мікроорганізмів.

Значна частина цієї технології знаходиться в зародковому стані та потребує підтримки інвесторів та установ. Це також вимагає розширення доступу до високоякісних анотованих навчальних зображень. Для досягнення узгодженої функціональності моделям ШІ потрібні зображення клітин або лабораторного обладнання, які містять додаткову інформацію у вигляді міток.

Розвиток машинного навчання в цій галузі значною мірою залежатиме від збільшення обсягу навчальних даних відповідно до нових потреб.

У цьому блозі ми розглянемо два найперспективніші застосування ШІ в лабораторії. Ми також покажемо, як розробку цих важливих варіантів використання можна прискорити за допомогою професійних постачальників анотацій , таких як Keymakr.

Біологія клітини

Комп’ютерне уявлення займає центральне місце в багатьох практиках клітинної біології. Комп’ютери можуть вимірювати різні параметри та допомагати візуалізувати мікроскопічний світ клітини. Однак завдання інтерпретації залишається за вченими, які остаточно вирішують, на чому важливо зосередитись або що заслуговує на увагу в даній клітині.

Клітинним біологам часто доводиться копітко шукати зображення клітин, щоб знайти потрібну інформацію, наприклад, наявність мутованого генома або клітини, що переживає мітоз. Нещодавні розробки в області клітинної візуалізації експоненціально збільшили кількість і деталізацію зображень, які потребують інтерпретації, створюючи потенційне блокування робочого навантаження в багатьох лабораторіях.

Автоматизація цього слідчого процесу могла б значно підвищити швидкість досліджень у різноманітних галузях. Останні моделі показали, що системи комп’ютерного зору мають здатність розпізнавати та позначати широкий спектр органел (субклітинних структур, таких як ядра) швидше, ніж біологи-людини.

Ця технологія має потенціал трансформувати наше розуміння внутрішньої роботи клітин і надати дослідникам нові ідеї.

Установки хімічної лабораторії

Щоб створити нові сполуки, дослідники поєднують і експериментують з різними хімічними речовинами з метою розробки нових і корисних молекулярних структур. Розвиток алгоритмів глибокого навчання призвів до створення штучних нейронних мереж, які можуть передбачати хімічні взаємодії та допомагати вченим.

Ця технологія інтегрується з робототехнікою на базі комп’ютерного зору для створення автоматизованих лабораторій, якими можуть дистанційно керувати дослідники, що забезпечує набагато більшу гнучкість і віддалену роботу. Моделі штучного інтелекту можна навчити розпізнавати рідкий вміст прозорих контейнерів, що дозволяє їм виконувати важливі дослідницькі дії.

Роботи, що працюють від цих систем, також можуть визначити, у якій фазі речовини (рідка, тверда речовина, піна, суспензія, порошок тощо) знаходяться речовини, з якими вони «працюють». Кінцевим результатом цього інтегрованого й автоматизованого лабораторного середовища може стати прискорення хімічних досліджень, що може принести користь усім нам.

Пошук правильних даних зображення

Щоб додатки комп’ютерного бачення продовжували процвітати в цих важливих галузях досліджень, важливо, щоб розробники мали доступ до анотованих навчальних зображень. Анотування зображень клітин вимагає досвіду та сумлінної перевірки.

Постачальники послуг анотацій часто мають найкраще місце для надання даних такого типу. Це пов’язано з їхнім досвідом роботи з експертами для коментування спеціалізованих даних. Для багатьох компаній штучного інтелекту створення команди анотацій зображень може відволікати увагу від їхніх основних дослідницьких цілей.

Аутсорсинг відповідальному та досвідченому постачальнику, такому як Keymakr, може полегшити цей тягар управління, зберігаючи при цьому якість даних.