Машинное обучение преобразует дизайн мини-биогибридных скатов

Новое исследование демонстрирует применение направленной оптимизации машинного обучения (ML-DO), которая эффективно ищет высокопроизводительные конфигурации дизайна в контексте биогибридных роботов. Применив подход машинного обучения, исследователи создали мини-биогибридных лучей из кардиомиоцитов (клеток сердечной мышцы) и резины с размахом крыльев около 10 мм, которые примерно в два раза эффективнее в плавании, чем те, которые были недавно разработаны в рамках традиционного биомиметического подхода.

Группа под руководством научного сотрудника Гарвардского института SEAS Джона Циммермана, в которую вошли учёный по медицинской и медицинской информатике из NTT Research Риома Ишии, профессор биоинженерии и прикладной физики Гарвардского института SEAS Кевин Кит Паркер и члены группы по биофизике заболеваний Гарвардского института SEAS под руководством Паркера, продемонстрировали это исследование в новой статье, опубликованной в журнале Science Robotics под названием «Биоинспирированная разработка тканеинженерного луча с использованием машинного обучения».

«Это исследование направлено на поиск ответа на фундаментальный вопрос в разработке биогибридных роботов, в данном случае морского ската: как выбрать геометрию плавников для работы в новых рабочих условиях, сохраняя при этом естественные законы масштабирования с точки зрения скорости и эффективности плавания», — сказал Ишии, который также работает приглашенным учёным в Гарвардском университете.

«Наше исследование показывает, что применение ML-DO, вдохновленное белковой инженерией, предлагает более эффективный и менее вычислительно интенсивный путь к автоматизации создания взаимосвязей между структурой и функцией мышц».

Ограничения биомиметического подхода

В биомиметическом дизайне, традиционном подходе к биогибридам, инженеры формируют функциональные устройства, воссоздавая существующие биологические структуры. Однако этот подход имеет ограничения. Для биогибридных форм жизни, которые напоминают, например, скатов, существует широкий диапазон естественных соотношений сторон и морфологий плавников. Какие из них вы имитируете?

Кроме того, биомиметика может игнорировать естественные биомеханические и гидродинамические силы, которые определяют скорость плавания организма в зависимости от его размера и кинематики тела, что приводит к неэффективной мышечной массе и ограниченным скоростям плавания.

В связи с этим мотивирующим вопросом в данном исследовании стал: как выбрать геометрию плавников, которая будет работать в новых рабочих условиях, сохраняя при этом естественные законы масштабирования с точки зрения скорости и эффективности плавания?

Прорывы в проектировании машинного обучения

Междисциплинарный и итеративный характер проблемы требовал моделирования с большим объёмом вычислений, но команда полагала, что направленная оптимизация с помощью машинного обучения (ML-DO) позволит эффективно находить конструкции плавников, которые максимизируют их относительную скорость плавания.

Они частично основывали свою гипотезу на пробной функции, которая продемонстрировала приблизительно 40-процентное улучшение ML-DO по сравнению с другими ведущими методами в распознавании известных последовательностей высокого ранга. Проверка предположения включала три шага: 1) разработка алгоритма для выражения множества различных геометрий плавников; 2) описание обобщенного подхода ML-DO для поиска в большом прерывистом пространстве конфигураций; и 3) использование этой методологии для определения биогибридных геометрий плавников для высокопроизводительного плавания с плавным и упорядоченным потоком.

Результаты, полученные с помощью ML-DO, включали количественное исследование взаимосвязей структуры и функций плавников и реконструкцию общих тенденций в морфологии скатов открытого моря, а также выигрышную конструкцию: плавники с большим соотношением сторон и тонкими заостренными кончиками, которые сохраняли свою полезность при плавании в различных масштабах длины.

На этой основе группа учёных создала биогибридных мини-лучей из искусственно созданной сердечной мышечной ткани, которые были способны к самостоятельному плаванию на миллиметровых расстояниях и демонстрировали улучшенную эффективность плавания примерно в два раза по сравнению с предыдущими биомиметическими конструкциями.

Взгляд вперед

Несмотря на многообещающие результаты, исследователи отмечают, что для полного соответствия законам естественного масштабирования необходима дополнительная работа. Хотя устройства, представленные в этом исследовании, продемонстрировали большую эффективность, чем другие недавние биомиметические разработки, они все же были немного менее эффективны в среднем, чем естественные морские формы жизни.

В будущем исследователи ожидают продолжить разработку биогибридной робототехники для различных вариантов использования, включая дистанционные датчики, зонды для опасных рабочих сред и терапевтические средства доставки. Исследователи полагают, что подход, основанный на ML-DO, лучше имитирует селективное давление эволюции, позволяя им лучше понять, как формируются биологические ткани — как в здоровой физиологии, так и в неадаптивной патофизиологии заболеваний. Кроме того, это исследование продвигает научное понимание трёхмерной биофабрикации органов, например, биогибридного сердца.

Контакты, администрация и авторы