研究人员开发了一种人工智能软件，用于推进利用冷大气等离子体（CAP，一种带电气体射流）的医疗技术。该软件由普林斯顿大学低温等离子体合作研究中心（PCRF）的研究人员开发，结合了机器学习和物理学原理，能够预测CAP排放物的化学成分。这项突破性进展对癌症治疗、促进组织生长和表面消毒具有重要意义。.
利用人工智能预测共同农业政策（CAP）排放量
这款名为物理信息神经网络（PINN）的软件，能够学习预测CAP喷射流排放的各种化学物质。它通过分析真实实验中收集的数据，并结合物理学的基本原理来实现这一目标。这种被称为机器学习的创新人工智能应用，使系统能够根据所提供的信息不断改进其预测结果。.
冷大气等离子体：一种多功能工具
冷大气等离子体（CAP）已被应用于多种医疗领域，包括清除癌细胞、促进伤口愈合和消除食品表面细菌。然而，科学家们尚未完全了解这些作用背后的确切机制。.
美国能源部普林斯顿等离子体物理实验室（PPPL）首席研究物理学家叶夫根尼·赖特塞斯表示，这款人工智能驱动的软件标志着在理解冷空气喷射器（CAP喷射器）的工作原理方面迈出了重要一步。这种新的理解有望使冷空气喷射器技术在医疗领域得到更精细、更有效的应用。.
一项合作努力
该项目是普林斯顿等离子体物理实验室 (PPPL) 和乔治·华盛顿大学 (GWU) 的研究人员在普林斯顿低温等离子体合作研究设施的框架下合作开展的。PPPL 以其在等离子体研究领域的开创性工作而闻名，现已拓展其使命，将人工智能应用融入医疗和制造业等领域。.
普林斯顿等离子体物理实验室（PPPL）首席研究工程师索菲娅·格什曼强调，由于需要考虑纳秒时间尺度上的相互作用，精确测定CAP喷流的化学成分非常困难。机器学习为解决这一难题提供了方案，使得以前几乎不可能进行的精确计算成为可能。.
数据生成和训练
该项目始于通过傅里叶变换红外吸收光谱法获得的小型数据集。这些初始数据为生成更全面的数据集奠定了基础。受自然选择的启发，我们采用了一种进化算法来训练神经网络。通过不断迭代，人工智能系统通过选择最佳数据集并改进预测结果，提高了其准确性。.
CAP喷气发动机的精确计算
该团队成功开发出一种软件解决方案，能够精确计算冷大气等离子体射流中的化学物质浓度、气体温度、tron 温度和tron 浓度。这项成果尤为显著，因为冷大气等离子体射流可以拥有极高的电子tron，同时保持其他粒子接近室温，使其适用于医疗用途。.
个性化血浆疗法指日可待
乔治·华盛顿大学工程学教授迈克尔·凯达尔强调了实现实时计算以优化医疗过程中社区获得性肺炎（CAP）治疗的长期目标。凯达尔目前正在研发一种“等离子体自适应”设备的样机，该设备可根据每位患者的独特需求进行个性化定制。通过监测患者的反应并利用机器学习，该设备可以调整等离子体参数，从而最大限度地提高疗效。.
虽然这项研究考察了CAP射流的化学成分随时间的变化，但它仅关注空间中的单个点。未来的研究需要扩展考察范围，考虑射流输出路径上的多个点。此外，将等离子体处理过的表面纳入分析对于理解等离子体处理如何影响处理部位的化学成分至关重要。.
这项由美国能源部和普林斯顿合作研究中心资助的突破性研究，为利用冷大气等离子体改进医疗方法铺平了道路。人工智能的融入，有望实现个性化和优化的等离子体治疗，为更有效的医疗保健解决方案带来希望。.
