A lacase enzimática é capaz de alterar a estrutura química da madeira em sua superfície e, assim, facilitar modificações bioquímicas sem alterar a estrutura do material. Contudo, existem lacases diferentes - e nem todas funcionam em todos os casos. Crédito:Thordis Rüggeberg
A lacase enzimática é capaz de alterar a estrutura química da madeira em sua superfície e, assim, facilitar modificações bioquímicas sem alterar a estrutura do material. Ao anexar moléculas funcionais, Os pesquisadores da Empa desenvolvem superfícies de madeira à prova d'água ou antimicrobianas, por exemplo. Também é possível fazer fibras de madeira adesivas, que pode ser prensado em painéis de fibra sem quaisquer agentes de ligação química. Essas placas de fibra sem solventes são usadas para isolamento de casas ecológicas.
O problema:existem muitas variantes de lacase, que diferem na arquitetura do centro quimicamente ativo, e nem todos reagem com o substrato desejado. Como é extremamente difícil prever se uma lacase específica reagirá ou não com um substrato específico, séries de experimentos caros e demorados são necessários para identificar pares de substrato-lacase adequados. Simulações moleculares poderiam resolver o problema:você simplesmente precisa de uma análise estrutural precisa da lacase para simular o mecanismo de reação química para cada combinação desejável no computador. Contudo, isso requer uma alta capacidade de computação de computador e, mesmo assim, seria extremamente demorado e caro.
Mas existe um atalho:"aprendizado profundo". Um programa de computador é treinado para reconhecer padrões com dados da literatura e de seus próprios experimentos:qual lacase oxida qual substrato? Quais podem ser as melhores condições para que ocorra o processo químico desejado? O melhor de tudo:a pesquisa funciona mesmo que nem todos os detalhes sobre o mecanismo químico sejam conhecidos.
Como a lacase altera a superfície da madeira:Uma molécula desejada é ligada à celulose da madeira quimicamente com o auxílio da enzima. Crédito:Empa
Grande progresso nos últimos sete anos
A disponibilidade dos dados de forma adequada e a arquitetura da rede de aprendizado profundo são cruciais para que isso tenha sucesso. Schubert já trabalha com redes neuronais há mais de sete anos. Seu primeiro projeto sobre o tema data de 2012, o mais recente de 2018. "No passado, trabalhamos com redes neuronais rasas:uma camada de entrada, uma camada oculta e uma camada de saída. Hoje, trabalhamos com redes consideravelmente mais complexas. Eles contêm várias camadas ocultas e são muito mais poderosos. "
Schubert treina seus algoritmos com conjuntos de dados conhecidos e os testa com conjuntos de dados que o sistema nunca viu antes. E seus relatórios sobre a robustez de seu "motor de busca de madeira inteligente" são surpreendentes:no passado, ele só foi capaz de usar cuidadosamente selecionados, dados significativos para alcançar resultados decentes. Enquanto isso, ele também está testando seus sistemas com pilhas de dados parcialmente inutilizáveis. A máquina reconhece o que pode usar e o que não pode.
Aplicação industrial de KI
A robustez do sistema já permite que a máquina de aprendizado profundo seja usada pela indústria. As placas de isolamento autoadesivas são produzidas na empresa parceira Pavatex, com a qual Schubert vem trabalhando há algum tempo. O processo de produção está repleto de sensores; enormes quantidades de dados se acumulam e nos dizem "algo" sobre a qualidade das placas fabricadas. Somente o que? O mecanismo de pesquisa inteligente de madeira de Schubert encontra a conexão.
O pesquisador está trabalhando atualmente para otimizar a produção dessa forma. Se algo der errado em um ponto no processamento da fibra, a produção deve ser ajustada antes que a qualidade do produto final seja afetada. Isso economiza verificações caras no produto final e pode reduzir a taxa de erros no processo de produção.
