Reconocimiento de patrones en la cinética de nucleación del autoensamblaje de no equilibrio

Área de la Ciencia:

• La biofísica
• Ciencias computacionales
• Ciencias de los materiales

Sus antecedentes:

• Las redes neuronales, inspiradas en el cerebro, son arquitecturas computacionales avanzadas.
• Sistemas similares de alta dimensión e interconectados existen en procesos celulares como la transducción de señales y las redes genéticas.
• El estudio explora si existen modos colectivos análogos en sistemas físicos y químicos que no procesan información.

Objetivo del estudio:

• Investigar si la nucleación durante el autoensamblaje multicomponente exhibe capacidades de procesamiento de información.
• Para determinar si los patrones de concentración de alta dimensión pueden ser discriminados y clasificados como redes neuronales.
• Diseñar y probar un sistema de fichas de ADN para clasificar los datos de las imágenes.

Principales métodos:

• Diseñado 917 fichas de ADN para el auto-ensamblaje en tres estructuras distintas.
• Utilizado en el entrenamiento de silico para clasificar 18 imágenes en escala de grises en tres categorías basadas en patrones de nucleación.
• Se empleó fluorescencia y microscopía de fuerza atómica para la validación experimental durante 150 horas.

Principales resultados:

• El sistema de fichas de ADN clasificó con éxito todas las imágenes entrenadas.
• Los resultados experimentales confirmaron la exactitud de la clasificación computacional.
• Las variaciones en el conjunto de pruebas demostraron la solidez de la clasificación basada en la nucleación.

Conclusiones:

• La nucleación en el autoensamblaje de varios componentes puede realizar cálculos análogos a las redes neuronales.
• Este fenómeno físico posee capacidades de procesamiento de información inherentes.
• El sistema basado en ADN desarrollado es compacto, robusto, escalable y ofrece un enfoque novedoso para la computación.