Svensk AI-teknik förutspår giftighet i kemikalier
Ett forskarlag från Chalmers tekniska högskola och Göteborgs universitet har utvecklat en banbrytande AI-metod som effektivt kan identifiera giftiga kemikalier. Denna nya teknik, som är både snabb och kostnadseffektiv, gör det möjligt att bedöma kemikaliers toxicitet direkt genom att analysera molekylstrukturen.
Metoden använder avancerade transformerare för att identifiera strukturella egenskaper hos molekyler som bidrar till giftighet. Dessa egenskaper kan sedan användas för att förutsäga potentiella risker med hjälp av djupa neurala nätverk som har tränats på omfattande datamängder från tidigare laboratorietester. Dessa tester har involverat tusentals kemikalier testade på olika djur och växter.
Potential för miljö och hälsa
Professor Erik Kristiansson från institutionen för matematiska vetenskaper vid Chalmers och Göteborgs universitet betonar metodens betydelse: ”Det finns idag fler än 100 000 kemikalier på marknaden, men bara en liten del av dessa har klarlagd giftighet för människor och miljön.” Med befintliga metoder är det inte realistiskt att bedöma och testa alla dessa kemikalier. Kristiansson ser den nya AI-metoden som ett lovande alternativ för att hantera denna utmaning.
Förhoppningen är att tekniken kommer att leda till färre laboratorietester på djur och bidra till en bättre kemikaliehantering inom både miljöforskning och industri. Forskarna har valt att göra metoden öppen och allmänt tillgänglig, vilket möjliggör bredare användning och samarbete över hela världen.
Kent Lundgren
Svensk AI-teknik verkar ha gjort betydande framsteg inom miljövetenskap och hälsa genom att utveckla en metod för att förutspå kemikaliers giftighet. Spännande! Forskare från Chalmers tekniska högskola och Göteborgs universitet har skapat en banbrytande teknik som använder avancerade transformerare (!?) och djupa neurala nätverk för att identifiera strukturella egenskaper hos molekyler som bidrar till giftighet. Denna metod verkar lova att revolutionera hur vi bedömer kemikaliers påverkan på miljö och hälsa.
Det jag undrar är hur deras ”transformerare” skiljer sig från transformers i ChatGPT? Transformers lär vara en kraftfull modell inom maskininlärning och NLP, som använder självuppmärksamhetsmekanismer för att bearbeta sekventiell data mer effektivt än traditionella metoder. De erbjuder betydande fördelar i form av parallellisering, hantering av långa beroenden och skalbarhet, men har också utmaningar relaterade till beräkningskostnader och datakrav… Har man man i Göteborg lyckats ta fram en helt ny GPT?