Armyforsker bruker matematikk til å avdekke ny kjemi

Anonim

I fremtiden vil materialforskere bruke avansert programvare for å spesifisere egenskapene de ønsker og et program vil levere et utvalg av optimaliserte kjemiske forbindelser.

Dr. B. Christopher Rinderspacher, en teoretisk kjemiker med US Army Research Laboratory, publiserte nylig et papir som beskriver prosessen med å bruke matematikk til å designe kjemiske forbindelser ved å redusere kompleksiteten og dra nytte av maskinlæring.

"Hva dette gjør, er faktisk å åpne opp det potensielle antallet forbindelser, " sa Rinderspacher.

Søket etter kjemiske forbindelser med spesielt nyttige egenskaper er som å finne en nål i en høstack, sa han. Tidligere ville kjemikere søke på grunnlag av et etablert rammeverk og ofte finne nye kombinasjoner på hit eller savnet måte.

"Problemet med det er at du aldri finner noe som er helt nytt eller overraskende fordi det vi ønsker er noe som bryter normen, " sa han. "Hvis vi holder oss innenfor våre egne tankemønstre - konvensjonelle tankemønstre - vi kommer aldri til å finne breakout-materialer."

Fremskritt innen materialvitenskap vil resultere i sterkere, lettere rustning eller utstyr til en fremtidens soldat. Dette stemmer overens med Army moderniseringsprioriteter som søker lang rekkevidde presisjon branner, neste generasjon kampkjøretøy, fremtidige vertikale løfteplattformer og Soldier dødelighet. Materialvitenskap vil spille en stor rolle i å realisere fremtidens hær, sa tjenestemenn.

"Vitenskapen fungerer vanligvis ved å gå opp til grensen av det vi vet og pokker rundt, " sa han. "Hvor finner vi noe nytt og interessant?"

Ved å introdusere en ny vei til oppdagelse, håper Rinderspacher å peke kjemikere i riktig retning ved hjelp av en matematisk tilnærming. Ved å bruke det som kalles atomladningsfordeling utviklet han et generelt teoretisk rammeverk for å finne kjemiske forbindelser han leter etter.

Den konvensjonelle banen for å oppdage nye kjemiske forbindelser er "lang og kjedelig, " sa han. "Hvis vi skulle gå hvor vi ønsket, når det gjelder alle mulige kjemikalier uten begrensninger som ikke er iboende med problemet ditt, ville du kunne få tilgang til alt."

Nøkkelen, sa han, kommer opp med en måte å optimalisere det som er kjent som "sannsynlighetstetthetsfunksjoner i kjemisk rom".

I de neste tre til fem årene sa Rinderspacher at han håper å inkorporere maskinlæring med sine algoritmer for å levere en løsning og begrense søkeparametrene for nye kjemiske forbindelser.

Journal of Mathematical Chemistry, kjent for sine "originale, kjemisk viktige matematiske resultater" ved hjelp av ikke-rutinemessige matematiske metoder, publiserte Rinderspacher's paper.

Rinderspacher har fulgt denne forskningen siden januar 2009. Det var da han kom til laboratoriet som postdoktorale etter at han fikk doktorgrad ved Universitetet i Georgia. En selvutnevnt puslespillleder, sa han at han er drevet av å finne effektive løsninger.

"Jeg vet at noen mennesker virkelig er drevet av søknaden som vil være på slutten, men for meg å få det til jobb er det fascinerende nok, " sa han. "Jeg liker å se på problemet og deretter finne ut, " Hvor mange andre problemer er sånn og kan løses på samme måte? ""

Matematikkens aktivitet tenker å generalisere ting, organisere ideer og vise hva som gjør og ikke fungerer, sa han.

"Den rette matte vil få deg der, " sa han. "Det er matematisk tenkning - utenfor boksen - som jeg prøver å aktivere."

menu
menu