Forskare demonstrerar kemisk lagring av data med hjälp av formosreaktionen

13 juli 2024

Denna artikel har granskats enligt Science X:s redaktionella process och policyer. Redaktörerna har framhävt följande egenskaper samtidigt som de säkerställer innehållets trovärdighet:

• faktagranskad
• peer-reviewad publicering
• pålitlig källa
• korrekturläst

av Tejasri Gururaj, Phys.org

Forskare från Institute for Molecules and Materials vid Radboud University, Nederländerna, har visat att ett komplext självorganiserande kemiskt reaktionssystem kan utföra olika beräkningsuppgifter, som icke-linjär klassificering och förutsägelse av komplex dynamik.

Området molekylär datavetenskap intresserar forskare som vill utnyttja den beräkningskraft som kemiska och biologiska system erbjuder. I dessa system fungerar kemiska reaktioner eller molekylära processer som böjmningssystem, vilket omvandlar ingångar till högdimensionella utgångar.

Forskningen, publicerad i Nature, leddes av Prof. Wilhelm Huck från Radboud University.

Forskare har utnyttjat de potentiella beräkningsförmågorna som kemiska och biologiska nätverk erbjuder på grund av deras komplexa datorförmågor. Att implementera molekylär datavetenskap presenterar dock utmaningar när det gäller teknik och design.

Istället för att försöka att ingenjörsmässigt skapa molekylära system för att utföra specifika beräkningsuppgifter, utforskar Prof. Huck och hans team hur naturligt komplexa kemiska system kan uppvisa framväxande beräkningsförmågor.

”Jag är mycket intresserad av de kemiska drivkrafterna som ledde till livets uppkomst. I detta sammanhang letar vi efter mekanismer genom vilka kemisk evolution kan forma egenskaperna hos komplexa reaktionsblandningar. Denna forskning har lett oss att överväga hur molekylära system kan bearbeta information,” förklarade han för Phys.org.

Formosreaktionen är en kemisk reaktion som syntetiserar socker från formaldehyd i närvaro av en katalysator, kalciumhydroxid. Denna reaktion valdes på grund av dess unika egenskaper.

Prof. Huck förklarade, ”Även om kemi kan verka komplex för utomstående, är de flesta reaktionssekvenser ganska linjära. Formosreaktionen är det enda exemplet på ett självorganiserande reaktionssystem med en högt icke-linjär topologi som innehåller många positiva och negativa återkopplingsloopar.”

Med andra ord är reaktionen inte enkel och producerar flera mellanprodukter som reagerar vidare för att bilda nya föreningar. Dessa dynamiska reaktioner kan resultera i en mångfald av kemiska arter och är icke-linjära till sin natur.

Utöver det så inkluderar nätverket positiva återkopplingsloopar som förstärker reaktionsresultaten, samt negativa återkopplingsloopar som dämpar reaktionsresultaten.

Nätverket kallas ’självorganiserande’ eftersom det naturligt utvecklas och reagerar på de kemiska ingångarna utan behov av yttre ingripande, vilket producerar en mångfald av utgångar.

Beräkningsförmågan uppstår från nätverkets inhemska egenskaper snarare än att vara explicit programmerad, vilket gör beräkningen mycket flexibel.

Forskarna använde en kontinuerlig omrörningsreaktor (CSTR) för att implementera formosreaktionen. Ingångskoncentrationerna av fyra reaktanter - formaldehyd, dihydroxiacetone, natriumhydroxid och kalciumklorid - reglerades för att modulera reaktionssystemets beteende.

Utgångsmolekylen identifierades med hjälp av en masspektrometer, vilket tillåter dem att spåra upp till 106 molekyler. Denna uppställning kan användas för att utföra beräkningar, där reaktantkoncentrationerna är ingångsvärdet för vilken funktion som måste beräknas.

Men först måste systemet träna för att hitta utfallet av denna beräkning, vilket görs med hjälp av en uppsättning vikter.

”Vi behöver hitta en uppsättning vikter som omvandlar spåren i masspektrometern till det korrekta värdet av beräkningen. Detta är ett linjärt regressionsproblem och är beräkningsmässigt enkelt. När det är klart, beräknar böjnningssystemet utfallet för denna funktion för alla nya ingångar,” förklarade Prof. Huck.

Vikterna är koefficienter som bestämmer inflytandet av varje ingång på utgången. Denna träningssteg är väsentlig eftersom det tillåter böjnningen att lära sig och förutsäga hur förändringarna i ingång påverkar utgången så att den kan förutse utgången för en ny uppsättning ingångar.

Forskarna använde böjnningssystemet för att utföra flera uppgifter. Den första var att utföra icke-linjära klassificeringsuppgifter. Böjnningssystemet kan emulera alla Booleska logiska portar och till och med hantera mer komplexa klassificeringar som XOR, checkers, cirklar och sinuskurvor.

Teamet visade också att de kunde förutsäga beteendet hos en komplex metabola nätverksmodell av E. coli och exakt fånga både linjära och icke-linjära svar på varierande ingångar över olika koncentrationsintervall.