Разработано программное обеспечение на основе искусственного интеллекта для совершенствования методов лечения с использованием холодной атмосферной плазмы (ХАП) — струи электризованного газа. Программа, разработанная исследователями из Принстонского центра исследований низкотемпературной плазмы (PCRF), сочетает машинное обучение и физику для прогнозирования химического состава излучения ХАП. Этот прорыв имеет важное значение для лечения рака, стимуляции роста тканей и стерилизации поверхностей.
Прогнозирование выбросов CAP с помощью ИИ
Программное обеспечение, известное как нейронная сеть, основанная на физических принципах (PINN), научилось прогнозировать разнообразные химические вещества, выбрасываемые самолетами CAP. Это было достигнуто путем анализа данных, собранных в ходе реальных экспериментов, и интеграции фундаментальных принципов физики. Это инновационное применение искусственного интеллекта, называемое машинным обучением, позволяет системе постоянно улучшать свои прогнозы на основе предоставленной информации.
Холодная атмосферная плазма: многогранный инструмент
Холодная атмосферная плазма (ХАП) находит применение в различных медицинских областях, включая уничтожение раковых клеток, заживление ран и удаление бактерий с поверхностей пищевых продуктов. Однако точные механизмы этих эффектов до конца не изучены учеными.
По словам Евгения Райцеса, ведущего научного сотрудника Принстонской лаборатории физики плазмы (PPPL) Министерства энергетики США, программное обеспечение на основе искусственного интеллекта знаменует собой значительный шаг к пониманию того, как и почему работают реактивные струи с контролируемым выбросом частиц (CAP). Это новое понимание может привести к усовершенствованному и более эффективному использованию технологии CAP в медицинском лечении.
Совместные усилия
Проект представлял собой совместную работу исследователей из PPPL и Университета Джорджа Вашингтона (GWU) под эгидой Принстонского центра совместных исследований низкотемпературной плазмы. PPPL, известный своими новаторскими работами в области исследований плазмы, расширил свою миссию, включив в нее применение искусственного интеллекта в таких областях, как медицина и производство.
София Гершман, ведущий инженер-исследователь PPPL, подчеркнула сложность точного определения химического состава струй CAP из-за необходимости учета взаимодействий в наносекундном масштабе времени. Машинное обучение предлагает решение этой проблемы, позволяя проводить точные расчеты, которые ранее были практически невозможны.
Генерация данных и обучение
Проект начался с небольшого набора данных, полученного с помощью инфракрасной абсорбционной спектроскопии с преобразованием Фурье. Эти исходные данные послужили основой для создания более обширного набора данных. Вдохновленная естественным отбором, для обучения нейронной сети был использован эволюционный алгоритм. В ходе последовательных итераций система искусственного интеллекта повышала свою точность, выбирая лучшие наборы данных и уточняя свои прогнозы.
Точные расчеты для реактивных двигателей CAP
Команда успешно разработала программное решение, способное точно рассчитывать концентрации химических веществ, температуру газа, температуруtron и концентрациюtron в струях холодной атмосферной плазмы. Это достижение особенно примечательно, поскольку струи холодной атмосферной плазмы могут содержать чрезвычайно горячиеtron, сохраняя при этом температуру других частиц близкой к комнатной, что делает их пригодными для медицинского применения.
Персонализированная плазменная терапия на подходе
Майкл Кейдар, профессор инженерного факультета Университета Джорджа Вашингтона, подчеркнул долгосрочную цель внедрения вычислений в реальном времени для оптимизации лечения с помощью плазмотерапии во время медицинских процедур. В настоящее время Кейдар работает над прототипом «адаптивного к плазме» устройства, которое можно было бы персонализировать в соответствии с уникальными потребностями каждого пациента. Отслеживая реакцию пациента и используя машинное обучение, устройство могло бы корректировать параметры плазмы для максимальной эффективности.
Хотя в данном исследовании изучался химический состав струи CAP во времени, оно было сосредоточено на одной точке в пространстве. В будущих исследованиях необходимо расширить область исследования, чтобы рассмотреть несколько точек вдоль выходного потока струи. Кроме того, интеграция поверхностей, обработанных плазмой, в анализ будет иметь решающее значение для понимания того, как это влияет на химический состав в месте обработки.
Это новаторское исследование, финансируемое Министерством энергетики США и Принстонским исследовательским центром, открывает путь к усовершенствованным методам лечения с использованием холодной атмосферной плазмы. Благодаря интеграции искусственного интеллекта, потенциал персонализированного и оптимизированного лечения плазмой вселяет надежду на более эффективные решения в сфере здравоохранения.
