기계 학습 이미지 분석을 통해 화학 혼합물 구성을 신속하게 결정

Apr 24, 2024

실수로 설탕 대신 소금을 넣어 주방에서 레시피를 망친 적이 있나요? 겉모습이 비슷해서 실수하기 쉽습니다. 마찬가지로 육안으로 확인하는 것도 화학 실험실에서 반응에 대한 빠른 초기 평가를 제공하는 데 사용됩니다. 그러나 부엌에서와 마찬가지로 인간의 눈에도 한계가 있어 신뢰할 수 없습니다.

이를 해결하기 위해 홋카이도 대학 화학 반응 설계 및 발견 연구소(WPI-ICReDD) 이노쿠마 야스히데 교수가 이끄는 연구진은머신러닝 모델을 개발했습니다시료의 사진만을 이용하여 화합물의 고체 혼합물의 조성비를 구별할 수 있는 기술입니다.

이 모델은 설탕과 소금의 혼합물을 테스트 사례로 사용하여 설계 및 개발되었습니다. 팀은 교육 및 테스트를 위한 더 많은 수의 하위 이미지를 생성하기 위해 원본 사진을 무작위로 자르기, 뒤집기 및 회전하는 방법을 조합하여 사용했습니다. 이를 통해 학습용 원본 이미지 300개만 사용하여 모델을 개발할 수 있었습니다. 훈련된 모델은 팀의 가장 전문적인 구성원이 육안으로 보는 것보다 대략 두 배 더 정확했습니다.

Inokuma는 "머신러닝을 통해 숙련된 화학자의 눈으로 보는 정확성을 재현하고 심지어 그 이상으로 재현할 수 있다는 점이 정말 매력적이라고 ​​생각합니다."라고 말했습니다. "이 도구는 새로운 화학자가 숙련된 눈을 더 빨리 얻을 수 있도록 도와줄 수 있어야 합니다."

성공적인 테스트 사례 이후 연구자들은 이 모델을 다양한 화학 혼합물의 평가에 적용했습니다. 이 모델은 서로 다른 다형체와 거울상 이성체를 성공적으로 구별했으며, 둘 다 원자 또는 분자 배열에 미묘한 차이가 있지만 동일한 분자의 매우 유사한 버전입니다. 이러한 미묘한 차이를 구별하는 것은 제약 산업에서 중요하며 일반적으로 더 많은 시간이 소요되는 프로세스가 필요합니다.

이 모델은 더 복잡한 혼합물도 처리할 수 있었고 4성분 혼합물에서 표적 분자의 비율을 정확하게 평가할 수 있었습니다. 반응 수율도 분석하여 열적 탈탄산 반응의 진행을 확인했습니다.

팀은 추가 훈련을 수행한 후 휴대폰으로 촬영한 이미지를 정확하게 분석할 수 있음을 보여줌으로써 모델의 다양성을 입증했습니다. 연구원들은 연구실과 산업 분야 모두에서 다양한 응용 분야를 기대하고 있습니다.

특임 조교수인 이데 유키(Yuki Ide)는 “화학 공장의 반응 모니터링이나 합성 로봇을 이용한 자동화 공정의 분석 단계 등 지속적이고 신속한 평가가 필요한 상황에 적용 가능하다고 본다”고 설명했다. "게다가 시력이 손상된 사람들을 위한 관찰 도구 역할을 할 수도 있습니다."

- 이 보도자료는 원래 홋카이도 대학 홈페이지에 게재된 것입니다.