折纸电器;机器学习用于药物开发，催化设计。
可折叠电子开关和传感器
使用廉价的材料，加州大学伯克利分校工程师们发明了一种方法制造可折叠电子开关传感器直接安装在纸上，以及发电机原型、超级电容器和其他电子设备，他们说这是一系列的应用。
除了容易获得和低成本的事实，研究小组指出，纸张提供了一个有趣的潜力:简单地折叠它可以开关电路，或者以其他方式改变它们的活动，这可以被认为是一种电子折纸。
大多数在具有足够实际导电性的纸上制造电极的努力都使用了昂贵的金属，如金或银作为导电材料，从而抵消了纸作为衬底的潜在节省。
然而，加州大学伯克利分校团队的方法使用廉价的元素钼作为导电金属的来源。钼被添加到明胶溶液中，它与明胶中的碳结合。然后在纸上涂上溶液并干燥。接下来，一束激光束精确地“写入”所需的电路模式，将钼加热到大约1000摄氏度，形成耐用的碳化钼导体。
伯克利的工程师使用激光将电子开关的电路“写”在纸上。他们证明，折叠和展开纸张可以打开和关闭电路。
来源:加州大学伯克利分校
目前，激光书写的电路大约有100微米宽，纸张上所有未加热的部分都是不导电的。明胶涂层为导电化合物提供了碳，但也防止激光束烧毁纸张。
机械工程教授林立伟在《先进材料》杂志上发表了一篇报道这种多功能新技术的论文，他说，如果没有明胶，这篇论文就会化为灰烬。
该团队设想了这种新型一次性纸质电子产品的广泛潜力。例如，检测重金属污染的电路可以“写”在纸上，以经济地监测毒素。
这篇期刊文章的第一作者，现在麻省理工学院的博士后科学家臧西宁说，一个由几个电极集成到纸电路上的传感器可以检测到一滴水或一滴血中的不安全铅含量，他作为伯克利机械工程研究生在林的实验室领导了这项研究。
她解释说:“电极之间会有小间隙，样品中重金属的存在将完成电路。”
她补充说，一种独立的一次性传感器在发展中国家可能非常有用，因为这些国家特别需要便携式、可储存和廉价的公共卫生工具。
在本周的System Bits中，接下来是关于机器学习研究的两篇文章。
加速药物开发的机器学习模型
麻省理工学院的一组研究人员报告说，他们已经完全自动化并改进了设计用于药物开发的新分子的过程，这主要是一个手动的、耗时的、容易出错的过程。
该团队希望新流程能够大大加快速度，并产生更好的结果。他们解释说，药物发现依赖于先导优化。在这个过程中，化学家选择一个已知有潜力对抗特定疾病的目标(“先导”)分子，然后调整其化学性质以获得更高的效力和其他因素。
研究小组解释说，化学家通常使用专业知识，手动调整分子，一个接一个地加减官能团(负责特定化学反应的原子和化学键)。即使他们使用预测最佳化学性质的系统，化学家仍然需要自己完成每个修改步骤，每次迭代可能需要几个小时，并且仍然可能无法生产出有效的候选药物。
麻省理工学院的研究人员开发了一种机器学习模型，可以更好地选择用于治疗的候选分子，同时还允许自动修改分子结构以获得更高的效力。这项创新有可能加速药物开发。
来源:麻省理工学院
现在，来自麻省理工学院计算机科学与人工智能实验室(CSAIL)和电气工程与计算机科学系(EECS)的研究人员进行了研究建立了一个模型这能更好地根据期望的性质选择先导分子候选。它还修改了获得更高效力所需的分子结构，同时确保分子在化学上仍然有效。
基本上，该模型将分子结构数据作为输入，并直接创建分子图——分子结构的详细表示，节点表示原子，边表示键。它将这些图形分解成更小的有效官能团簇，将其用作“构建模块”，帮助它更准确地重建和更好地修改分子。
该团队解释说，这背后的动机是用自动迭代取代低效的人工设计分子的修改过程，并确保生成的分子的有效性。
改进催化设计的机器学习算法
化学工程师莱斯大学而且宾夕法尼亚州立大学已经表明，将机器学习和量子化学结合起来可以节省设计新催化剂的时间和费用。
莱斯大学的Thomas Senftle是最近在线发表的一项新研究的合著者，他指出:“在计算催化中产生了大量数据，该领域开始意识到，数据科学工具在筛选大量数据以寻找我们可能会错过的基本相关性方面非常有价值。这就是这篇论文的真正目的。我们结合了成熟的数据生成和分析工具，使我们能够寻找我们原本不会注意到的相关性。”
莱斯大学(Rice University)和宾夕法尼亚州立大学(Penn State)的化学工程师将机器学习和量子化学结合起来，设计出了新的催化剂。
来源:莱斯大学
催化剂是一种加速化学反应而不被化学反应消耗的物质。例如，汽车中的催化转换器含有铂和钯等金属，有助于分解空气污染物的反应。催化剂是化学和制药工业的支柱，全球催化剂市场估计每年为200亿美元。
阅读更多关于他们的过程在这里．
|
|
|
|
|
|
|
|
留下回复