با افزایش چشمگیر کاربرد نانومواد در حوزه‌های مختلف علمی و صنعتی، نیاز به روش‌های دقیق، سریع و کم‌هزینه برای ارزیابی اثرات سمی آن‌ها بیش از پیش احساس می‌شود. روش‌های آزمایشگاهی مرسوم برای سنجش سمیت نانومواد، علاوه‌بر زمان‌بر و پرهزینه بودن، با چالش‌های اخلاقی نیز همراه هستند. از این رو، بهره‌گیری از ابزارهای هوش مصنوعی برای جمع‌آوری و تحلیل داده‌های مرتبط با سمیت نانو به‌عنوان رویکردی نوین در دستور کار پژوهشگران قرار گرفته است.

در مطالعه‌ای تازه منتشرشده، پژوهشگران با توسعه یک سامانه خودکار مبتنی بر هوش مصنوعی موفق شدند داده‌های مورد نیاز را از مقالات علمی استخراج و ساختاردهی کنند. این سامانه با استفاده از ابزارهای برنامه‌نویسی پیشرفته و داده‌های آموزشی متشکل از بیش از ۲۰۰ مقاله علمی، آموزش داده شده و سپس بر روی بیش از ۶۰۰ مقاله آزمایش گردیده است. مدل‌های طراحی‌شده توانسته‌اند با دقت بالایی داده‌های مربوط به سمیت نانومواد را شناسایی کنند.

در گام بعدی، تیم پژوهشی با استفاده از همین داده‌ها، مدل‌های یادگیری ماشین برای پیش‌بینی سمیت نانو توسعه داده است که به دقتی بیش از ۸۶ درصد دست یافتند. همچنین، کارایی این مدل‌ها از نظر پایداری، حجم و توازن داده‌ها ارزیابی شده است.

این پژوهش، چشم‌انداز جدیدی برای استفاده از هوش مصنوعی در حوزه ایمنی نانو ترسیم می‌کند و گامی مهم در جهت بهینه‌سازی فرآیندهای ارزیابی سمیت نانومواد به شمار می‌رود.

   دسترسی به مقاله کامل