Styring af bølgende mikrosvømmere i en flydende strøm gennem forstærkningslæring

Ny forskning ser på navigationsstrategier for deformerbare mikrosvømmere i en tyktflydende væske, der står over for drift, belastninger og andre deformationer.

En deformerbar mikrosvømmer er en organisme i lille skala eller kunstig struktur, der bruger sinusformede kropsbølger til at drive sig selv gennem et flydende miljø.

Udtrykket gælder for organismer som bakterier, der navigerer gennem væsker ved hjælp af pisklignende haler kaldet flageller, sædceller, der driver sig selv gennem det kvindelige reproduktive system, og endda nematoder, bittesmå orme, der bevæger sig gennem vand eller jord med bølger.

Mikrosvømmere kan også beskrive små mikrorobotter konstrueret af bløde materialer designet til at reagere på stimuli og udføre opgaver som f.eks. medicinafgivelse i mikroskala.

Det betyder, at studiet af mikrosvømmere har anvendelser inden for en bred vifte af videnskabelige områder, fra biologi til fundamental fysik til nanorobotik.

I et nyt papir af Jérémie Bec forsøger en forsker ved CNRS og Centre Inria d'Université Côte d'Azur og hans kolleger at finde en optimal navigationspolitik for mikrosvømmere, der er afgørende for at forbedre deres ydeevne, funktionalitet og alsidighed til applikationer som f.eks. som målrettet lægemiddellevering. Forskningen er publiceret i The European Physical Journal E .

"At finde en optimal navigationspolitik for mikrosvømmere er afgørende for at forbedre deres ydeevne, funktionalitet og alsidighed i de nævnte applikationer," siger Bec. "Ved at fastlægge en optimal navigationspolitik kan mikrosvømmere effektivt tilpasse sig og reagere på ændringer i det flydende miljø. Dette gør dem i stand til at navigere gennem forhindringer, undgå farer og udnytte strømningsmønstre til forbedret bevægelse.

"En optimal navigationspolitik sikrer deres evne til at manøvrere og udforske deres omgivelser effektivt," tilføjer Bec.

Forskeren forklarer, at derudover garanterer en optimal navigationspolitik robust ydeevne på tværs af forskellige forhold og variationer, når de bølger gennem et flydende miljø.

Bec siger, at holdet var særligt fascineret af det bemærkelsesværdige niveau af variation i udførelsen af ​​de maskinlæringsstrategier, de anvendte. Den uventede variation i ydeevnen gav teamet værdifuld indsigt og gjorde det muligt for dem at identificere optimale strategier, der oversteg deres oprindelige forventninger.

"Vi fik en dybere forståelse af den komplekse dynamik, der er involveret i optimering af navigationspolitikker for mikrosvømmere," slutter Bec. "Disse resultater understreger vigtigheden af ​​at udforske ud over konventionelle forventninger og omfavne potentialet for variabilitet og uforudsigelighed i kunstig intelligens."

Flere oplysninger: Zakarya El Khiyati et al., Styring af bølgende mikrosvømmere i et flydende flow gennem forstærkningslæring, The European Physical Journal E (2023). DOI:10.1140/epje/s10189-023-00293-8

Journaloplysninger: European Physical Journal E

Leveret af Springer