2018年7月27日
电子探针研究人员马克·舒伯特使用漆酶来改变木材的特性，但这个任务相当具有挑战性——有点像试图找到一把未知锁的钥匙。舒伯特没有使用昂贵且耗时的实验，而是使用了人工智能，因为它可以让他更快地达到目标。
漆酶能够改变木材表面的化学结构，从而在不改变材料结构的情况下促进生物化学修饰。然而，漆有不同的种类，并不是所有的漆都能起作用。(图片来源:Thordis Rüggeberg)
酶漆酶能够在其表面上改变木材的化学结构，从而实现生化变化而不改变材料的结构。例如，EMPA科学家附有功能分子以产生抗微生物或防水木表面。
也可以开发不使用任何化学粘合剂就能很容易地压在纤维板上的粘接木纤维。这种无溶剂的纤维板被用来隔绝生态房屋。
然而，问题是存在的漆酶的几种变体，在化学活跃中心的设计中变化;此外，这些变体不会与所需的基材反应。由于猜测特定漆酶是否将与特定基板反应非常复杂，因此识别适当的漆酶和衬底涉及昂贵以及耗时的一系列实验。但是，这种问题可以用分子模拟来解决：一个只是需要对漆酶的精确结构分析，以模仿计算机上每个优选组合的化学反应机制。然而，这需要高电脑计算能力，尽管如此，仍然是非常昂贵和耗时的
相反，“深度学习”提供了一条捷径。研究人员训练一个计算机程序来检测从自己的实验和文献中获得的数据:哪种类型的漆酶氧化哪种底物?所需的化学过程发生的最佳条件是什么?最好的一点是，即使关于化学机理的所有细节都不知道，搜索仍然会起作用。
这是过去七年的重大进展
成功的关键是数据的可用性和深度学习网络的设计。事实上，舒伯特已经研究神经元网络七年多了。他关于这个话题的最初项目来自2012年，最新项目来自2018年。“过去，我们使用浅层神经元网络:一个输入层、一个隐藏层和一个输出层。如今，我们与更为复杂的网络打交道。它们包含了几个隐藏的层面，而且要强大得多。”
使用已知的DataSets，Schubert列车他的算法，然后用系统从未见过的数据集进行测试。他关于他“智能木材搜索引擎”的强壮的报告令人难以置信。早些时候，Schubert只能使用已经仔细选择的有意义的数据来获得体面的成果。与此同时，他还使用部分不可用的数据桩来测试他的系统。机器可以识别它可以使用的东西以及它无法使用的内容。
ki的工业应用
由于系统的稳健性，可以通过工业使用深学习机。舒伯特斯库伯特一直关联的合作伙伴公司在Pavatex，生产自粘保温板。制造过程充满了传感器;大量数据建立，揭示了关于制造板的质量的“东西”。但是什么？Schubert的智能木材搜索引擎标识了连接。
目前，舒伯特正致力于以这种方式改善生产。如果在光纤处理过程中的一个点出现问题，可以在最终产品的质量受到影响之前修改生产。这不仅可以节省最终产品的昂贵检查，而且还将降低制造过程中的错误率。