Simülasyonlar Yetersiz Kalınca Bu Spektrometre Kendi Kendine Öğreniyor

Niels Chr. Nielsen (sol), Filip V. Jensen ve Anders Bodholt Nielsen (sağ) NMR spektrometresinde bir numune analiz için hazırlarken. Kaynak: Peter F. Gammelby, Aarhus Üniversitesi

NMR spektrometresi moleküler yapıyı atomik düzeyde ortaya çıkarabilir, ancak zayıf sinyaller onun görebileceğini sınırlar. Şimdi, Aarhus Üniversitesi araştırmacıları yapay zekâyı kullanarak spektrometrenin en iyi darbe dizisini doğrudan numuneden öğrenmesini sağladı.

Tam bir eğlence parkında şekerle beslenen çocuklardan oluşan bir grubu yönlendirmeye çalıştığınızı düşünün. Herkesi doğru yönde hareket ettirecek kelimelerin, ses tonunun, zamanlamanın ve beden dilinin tam olarak hangi kombinasyonunu önceden hesaplayamazsınız. Çocuklar farklı tepkiler verir, birbirlerini etkiler ve grup ne kadar büyükse, neyin işe yarayacağını tahmin etmek o kadar zorlaşır.

Bir noktada en iyi strateji basitçe bir şeyi denemek, ne oluğunu görmek ve ayarlamak olur.

Bu, Aarhus araştırmacılarının çok farklı bir soruna uyguladıkları stratejiye benziyor: büyük atom çekirdekleri ve elektron sistemlerini kontrol etmek.

Dönüş (spin), atom çekirdeklerinin ve elektronların birazcık mıknatıs gibi davranmasını sağlayan kuantum özelliğidir. Nükleer manyetik rezonans, yani NMR ve MR görüntüleme cihazlarının fiziksel temeli budur.

Spektrometre numuneden öğrenir. Bir darbe dizisi spektrometrede doğrudan numune üzerinde test edilir ve ölçülen sinyal bir Bayesian optimizasyon algoritmasına geri beslenir. Algoritma bu sonucu kullanarak sonraki darbe dizisini önerir. Böylece gerçek numune ve enstrümanın kendisi optimizasyon sürecinin bir parçası olur. Kaynak: Filip V. Jensen, Aarhus Üniversitesi / Science Advances

Zorluk şudur: yalnızca çok küçük bir nükleer dönüş fazlası bir yöne, diğerine değil işaretler ve bu da zayıf bir toplam sinyal üretir.

“NMR’in MR görüntüleme cihazlarıyla aynı dezavantaja sahip: nispeten hassasiyeti düşüktür. Numuneler, analiz etmek istediğiniz şeyden yüksek konsantrasyonda içermelidir,” diyor Aarhus Üniversitesi profesörü Niels Chr. Nielsen.

Elektronlar kurtarıcı oluyor

Elektronlar, manyetik momentleri protonunkinden yaklaşık 660 kez daha büyük olduğu için yardımcı olabilir. Bu nedenle spinleri, manyetik alanda çok daha güçlü bir şekilde sıralanabilir.

Dikkatle tasarlanmış mikrodalga darbeleri kullanarak araştırmacılar, bu düzenlemenin bir kısmını elektronlardan atomik çekirdeklere aktarabilir.

Bu yöntem, dinamik nükleer polarizasyon olarak bilinir, yani DNP.

DNP iyi yerleşmiş bir yöntemdir, ancak onu verimli kullanmak hiç de kolay değildir.

Elektronlardan ve çekirdeklerden oluşan bir sistem, birbirleriyle etkileşen yüzlerce veya binlerce spin içerebilir. Bu da mikrodalga darbeleryinin ideal sıralamasını önceden hesaplamayı son derece zorlaştırır. Üstelik bir bilgisayar modeli, gerçek aletin her kusurunu yakalamayabilir.

O halde neden gerçeğin mükemmel bir modelini kurmaya çalışalım, gerçelik zaten laboratuvarda duruyor?

Araştırmacılar, evde kurdukları bir DNP spektrometresini, Bayes optimizasyonuna dayalı bir makine öğrenmesi algoritmasına bağladılar. Sistem, bir darbe sıralamasını numune üzerinde doğrudan dener, sonucu ölçer, bundan öğrenir ve bir sonraki deneyi önerir.

“Yeni olan, spektrometrenin en iyi deneyleri nasıl gerçekleştireceğini kendisinin öğrenmesini sağlamamızdır,” diyor çalışmanın birinci yazarı ve Science Advances dergisinde yayımlanan çalışmanın Ph.D. öğrencisi Filip V. Jensen.

Araştırmacılar yöntemi iki farklı spin sisteminde test ettiler. Birinde algoritma, mevcut en iyi yaklaşımlardan bazılarıyla karşılaştırılabilir çözümler buldu. Daha karmaşık olan sistemde ise algoritmanın bulduğu darbe sıralaması, araştırmacıların kullandığı referans yöntemden yaklaşık %70 daha büyük bir sinyal artışı sağladı.

Her optimizasyon iki günden azdan beş güne yakın bir süre aldı. Ancak etkili bir sıralama bulunduğunda, bunu tekrar tekrar kullanılabilir. Daha büyük hassasiyet ise faydalı bir sinyal elde etmek için daha az tekrar yapılmasını gerektirir, bu da toplam ölçüm süresini kılar.

Daha iyi kuantum sensörlerine bir adım

Çalışma, model sistemler kullanan bir kavram kanıtıdır. Temel araştırmadır, ancak Nielsen daha geniş bir perspektif görüyor.

Aynı yaklaşım, büyük ve karmaşık spin sistemlerinin her detayı simüle edilmeden kontrol edilmesi gereken, manyetik rezonans tabanlı kuantum sensörlerinin geliştirilmesinde bir araç haline gelebilir.

Uzun vadede, ileri düzey laboratuvarlar, endüriyel süreç izleme, çevresel ölçümler ve gıda analizinde olası uygulamalara işaret ediyor.

Eğer amaç yalnızca maddenin çok küçük bir miktarının var olup olmadığını tespit etmekse, diğer analiz yöntemleri daha hassas olabilir.

NMR farklı bir şey sunar: moleküllerin ve malzemelerin nasıl yapıldığına dair ayrıntılı bilgi.

Nielsen konuyu şöyle özetliyor: “Başımı bir optik sensöre koyarsanız, muhtemelen çoğu zaman saçımın pek olmadığını öğrenirsiniz. Ancak bir MR cihazında, içeride ne olduğunu görme şansınız olur.”

Filip V. Jensen et al., In situ learning-based spin engineering of pulsed dynamic nuclear polarization, Science Advances (2026). DOI: 10.1126/sciadv.aeh4467

Dergi bilgileri:
Science Advances

Mikrodalga teknikleri
Rezonans teknikleri

Bu haber şu kaynak tarafından sağlanmıştır:

Bu hikayenin ardındaki editör:

2021’den beri yükseköğretim ve sağlık içeriklerinde deneyime sahip kopya editörü. Güvenilir bilim haberlerine bağlı.
Profil →

Matematiksel biyoloji lisansı, yaratıcı yazma yüksek lisansı. Bilim ve dil üzerine benzersiz bakış açılarına sahip, geniş çapta seyahat etmiş.
Profil →

Alıntı

: Modeller yetersiz kaldığında, bu spektrometre kendi kendine öğrenir (28 Ekim 2026) retrieved 28 October 2026 from https://phys.org/news/2026-10-simulations-fall-short-spectrometer.html

Bu belge telif hakkına tabidir. Özel çalışma veya araştırma amacıyla yapılan adil kullanım hariç, içeriğin hiçbir kısmı yazılı izinsiz çoğaltılamaz. İçerik yalnızca bilgi amaçlı sunulmaktadır.