Deep learning modellering opent gesloten deuren in de chemie

Denkt u dat een robot het ooit van ons overneemt? Zo ziet het er alvast niet naar uit! Een zelfdenkende robot die de mensheid ten onderbrengt in sciencefictionfilms, is immers niet waar artificiële intelligentie voor gemaakt is. Artificiële intelligentie moet het leven van de mens gemakkelijker maken en moet toelaten nieuwe werelden te ontdekken. Waar de menselijke intelligentie grenzen kent, kan de computer ons helpen deze te verleggen. Vanuit dat perspectief werd gehandeld in de masterthesis omtrent deep learning en chemisch kwantificeren. Er werd bewezen dat een computer wel degelijk de menselijke intelligentie kan verrijken in termen van een chemische kwantificatie.

De gezondheid van de planeet staat centraal

In de wereld waarin we vandaag leven, staat ecologie en milieuvriendelijkheid centraal. De chemische sector is niet bepaald de beste van de klas op dat gebied. Toch zijn er de laatste jaren veranderingen aan de gang.

Een chemisch product dat zo goed als in elk huishouden gebruikt wordt, zijn wasmiddelen. Vroeger bestonden deze uit synthetische chemicaliën die vaak schadelijk waren voor het milieu. De dagen van deze chemicaliën zijn geteld! Enzymen vervangen deze meer en meer. Ze zijn een hoogwaardig en milieuvriendelijk alternatief voor de schadelijke chemicaliën van vroeger. Door de toepassing van enzymen, zou er naar schatting vier keer minder energie en water nodig zijn om eenzelfde hoeveelheid wasgoed te wassen in vergelijking met vroeger.

Het draait niet alleen om enzymen

Enzymen zijn gevoelige moleculen en kunnen hun doeltreffendheid verliezen. Daarom moeten enzymen stabiel gehouden worden gedurende de periode tussen de productie en het moment dat ze in de wastrommel belanden. Daarvoor zijn stabilisatoren nodig. Dit zijn moleculen die ervoor zorgen dat het pas enzym werkzaam is op de moment dat het in contact komt met het wasgoed. Deze stabilisatoren zijn een essentieel onderdeel van het wasmiddel. Glycerine, monopropyleenglycol en sorbitol zijn voorbeelden van dergelijke stabilisatoren. Omdat deze zo belangrijk zijn, is er interesse om te weten hoeveel van die stabilisatoren er effectief aanwezig zijn in het wasmiddel. Dit is alleen gemakkelijker gezegd dan gedaan…

Wat is nu concreet het probleem?

De drie stabilisatoren die gebruikt worden, lijken qua chemische structuur sterk op elkaar. Hierdoor is het als mens moeilijk om een onderscheid te maken tussen deze moleculen. Er wordt daarom gekeken in de richting van de computer. De drie stabilisatoren worden bepaald via één infraroodspectrum. De computer blinkt uit in het analyseren van dergelijk spectrum. Hierdoor kan de computer beslissen welke piek toebehoort aan welke component en kan vervolgens door verwerking zeggen hoeveel van deze component er aanwezig is in een onbekend staal.

De computer bewees zijn kunnen

Hoewel er steeds van ‘de computer’ gesproken werd tot nog toe, is het juister om te spreken van een algoritme. Het gecreëerde algoritme bewees zijn kracht door naast het analyseren van een spectrum ook nog eens het spectrum te verbeteren. Bij de opname van een infraroodspectrum wordt namelijk gezien dat het spectrum naar boven verschuift. Door deze verschuiving wordt het nóg moeilijker om te kwantificeren. Het geschreven algoritme is erin geslaagd om dit spectrum te corrigeren door zelfstandig de basislijn van het spectrum terug naar beneden te verschuiven.

Kwantificatie van stabilisatoren, wat is dat?

Een kwantificatie van stabilisatoren is een bepaling van de aanwezige hoeveelheid stabilisatoren in een onbekend staal. Een onmogelijk opdracht voor het menselijk kunnen zo blijkt. Enerzijds omdat we het onderscheid niet kunnen maken tussen de stabilisatoren in een infraroodspectrum en anderzijds omdat we niet eeuwig de tijd hebben. Een analyse van een onbekend staal door een mens duurt ongeveer vijf minuten. Het geschreven algoritme analyseert ongeveer 500 stalen in minder dan één minuut.

Wat volgt er uit het onderzoek?

In het de masterthesis: Deep learning modellering voor de kwantitatieve FTIR-analyse van ternaire stabilisatorenmengsels, werd onderzocht of een computeralgoritme een kwantificatie van drie stabilisatoren tegelijkertijd kan uitvoeren met behulp van een infraroodspectrum en deep learning. Deep learning is een toepassing van artificiële intelligentie en wil zoveel zeggen als: “We laten de computer zelf zijn gang gaan en zelfstandig leren en verwerken”. Om dit zelfstandig leren mogelijk te maken, is een grote hoeveelheid aan stalen nodig.

Er werd aangetoond dat een computer tot op 0,56 % nauwkeurig een onbekend staal kan inschatten in de aanwezigheid van water. Dit is nauwkeuriger bepaald dan dat een mens dit ooit zal kunnen. In onderstaande figuur wordt de voorspelde concentratie uitgezet ten opzichte van de werkelijke waarde. Het model slaagt erin om, in de aanwezigheid van water, de stabilisatoren nauwkeurig te bepalen. De zwarte diagonaal stelt het ideale model voor, waarbij de voorspelde en de werkelijke concentratie aan elkaar gelijk zijn.

Het belang van deep learning

Zoals al aangehaald in de inleiding, moet artificiële intelligentie het leven gemakkelijker maken. In de masterthesis werd aangetoond dat dit inderdaad het geval is. Het denken van de computer zullen we nooit volledig kunnen volgen en dat kan bedreigend overkomen. Toch zijn er heel wat positieve kanten aan deep learning verbonden. Er werd in de thesis bewezen dat een computer nauwkeurig de concentraties kan bepalen van een stabilisatorenmengsel, maar dit kan evengoed doorgetrokken worden naar andere velden. Bijvoorbeeld het opsporen van zeldzame kankers kan ook gebeuren door middel van deep learning. We hebben nog maar het topje van de ijsberg gezien.

Waarom is het onderwerp van deze thesis nu zo belangrijk?

Als we verder willen evolueren naar een schoner milieu, moeten we in de chemische industrie meer in de richting van enzymen kijken. Deze belasten het milieu niet, in tegendeel. Om deze zo goed mogelijk in te zetten in de (wasmiddelen)industrie, moeten de enzymen stabiel gehouden worden waarvoor enzymstabilisatoren nodig zijn. De bepaling van de concentraties van de stabilisatoren is dan ook belangrijk en wordt mogelijk gemaakt door deep learning. Deze vorm van artificiële intelligentie geeft een extra dimensie aan de chemische wereld.

Artificiële intelligentie laat toe nieuwe werelden te ontdekken in de chemische industrie. Waar de menselijke intelligentie grenzen kent, helpt deep learning deze grenzen te verleggen en laat toe nieuwe inzichten te verweven. Het vooruitstrevend onderwerp van deze masterthesis, bewijst dat dit niet langer toekomstmuziek is.