Sen o sestrojení inteligentních mikroskopických strojů je zase o kousek blíž skutečnosti. Zásluhu na tom má tým vědců z Univerzity v Lipsku a Univerzity Karlovy. Ti stojí za vývojem nového systému, jenž v sobě kombinuje techniku strojového učení s přesnou kontrolou mikroskopických částic. Jejich studii, která vzešla z projektu podpořeného GA ČR a německou agenturou DFG, zveřejnil prestižní časopis Science Robotics.
Vývoj molekulárních strojů schopných jednotlivě vykonávat různé úkony, jako třeba dávkovat léčiva či opravovat poškozenou tkáň, patří k dlouhodobým cílům moderní vědy. Nejvyšší metou je pak sestrojení inteligentních a autonomních nanobotů, kteří budou umět reagovat na své okolí a v koordinovaných skupinách plnit ještě daleko složitější úkoly.
Důležitý mezikrok na cestě k jejich vývoji představuje nová studie Reinforcement Learning with Artificial Microswimmers, která vznikla pod vedením profesora Franka Cichose z Univerzity v Lipsku. Jeho tým vytvořil speciální částice o velikosti v řádu mikrometrů, jejichž pohyb dokáže přesně řídit.
Podobně jako například bakterie žijí částice těchto velikostí v tzv. brownovském světě. Ten odděluje makrosvět, známý z našeho každodenního života, od mikrosvěta, který se řídí pravidly kvantové mechaniky. I brownovský svět má svá specifická pravidla. Brownovské částice jsou dost malé na to, aby se viditelně pohybovaly díky nárazům okolních molekul vykonávajících tepelný pohyb. Směr a síla těchto srážek jsou přitom náhodné. Zároveň pokud na brownovskou částici nepůsobí síla, ta se vlivem velkého tření prakticky ihned zastaví.
Brownovské částice, které fyzici vyvinuli, jsou menší nežli třicetina průměru lidského vlasu a k pohybu využívají teplo zachycené prostřednictvím zlatých částeček na svém povrchu.
„Naše metoda používá symetrické částice, jež je možno lokálně zahřát na libovolném místě jejich povrchu pomocí laseru. Částice se pak pohybují směrem od zahřátého místa vlivem toku kapaliny způsobeného indukovaným rozdílem teplot, tzv. ‚termoforéze‘,“ vysvětluje dr. Viktor Holubec z MFF UK, jenž je spoluautorem studie.
Tuto novou experimentální metodu fyzici zkombinovali s algoritmem strojového učení (tzv. reinforcement learning; zpětnovazební učení) běžícím v počítači, který pomocí laseru částice kontroluje. „‚Mozky‘ našich částic se nenacházejí uvnitř částic samotných. Dalším krokem tedy bude miniaturizovat učící se a kontrolní část systému a implementovat ji přímo do mikročástic,“ nastiňuje směr dalšího výzkumu dr. Holubec. To se z nynějšího pohledu může zdát jako poměrně složitý úkol. „Podobně nedosažitelně se však ještě donedávna jevila i možnost precizní kontroly, kterou nyní nad našimi mikročásticemi máme,“ říká český zástupce, který na Univerzitě v Lipsku strávil tři a půl roku jako postdoktorand a nyní působí na Katedře makromolekulární fyziky MFF UK.
Navržený systém přesného řízených mikroskopických objektů v reálném prostředí za pomoci algoritmů strojového učení by však neměl najít uplatnění jen při samotném vývoji inteligentních nanobotů. Měl by také umožnit lépe pochopit, jak mikrosvět vlastně funguje.
„Náš výzkum ukazuje, jak může podobná kombinace počítačové simulace pomocí částic žijících v reálném světě pomoci odhalit klíčové aspekty dynamiky těchto částic, které nám dosud unikaly. My jsme například popsali důležitou roli zpoždění mezi zpracováním informace o poloze částice v počítači a spuštěním laseru,“ nastiňuje dr. Holubec další výsledek výzkumu. „Díky tomuto zpoždění se v Brownově světě k vytyčenému cíli nedostane jako první nejrychleji se pohybující částice. Naopak, existuje jistá optimální rychlost daná velikostí zpoždění. Podobný jev již byl popsán pro pohyb živých bakterií,“ dodává. Důkladnější pochopení zákonitostí, které řídí mikrosvět, pak zpětně pomůže k optimalizaci vyvíjených mikročástic.
Výzkum je součástí bilaterálního projektu „Dynamika a termodynamika umělých a přírodních aktivních systémů se zpožděním“ financovaného Grantovou agenturou ČR (GAČR) a Deutsche Forschungsgemeinschaft (DFG).
Více o experimentální metodě pro kontrolu částic zde:
- https://pubs.acs.org/doi/abs/10.1021/acsnano.0c10598
- https://www.nature.com/articles/s41467-018-06445-1