Грибы появились на Земле миллионы лет назад, и в ходе эволюции они на протяжении тысячелетий развивали и улучшали свои способы выживания. Ученые из Бингемтонского университета изучают клеточную структуру грибов, чтобы понять, как она определяет их механические свойства и что наука может почерпнуть из этого для создания более совершенных материалов.
В статье, опубликованной в журнале Advanced Engineering Materials, изучая грибы и другие организмы, ученые обратили внимание на микроскопические нити – гифы. Эти гифы формируют сетевидную структуру и, переплетаясь и разветвляясь внутри нее, определяют, как грибы реагируют на механические воздействия.
Два исследованных вида грибов имели существенные различия: это был обычный белый шампиньон ( Agaricus bisporus) имеет только один тип гиф и обычно растёт без определённой ориентации, в то время как гриб майтаке ( Grifola frondosa) имеет два типа гиф и преимущественно растёт в направлении к солнечному свету и влаге.
С помощью сканирующей электронной микроскопии исследователи изучили структуру клеток грибов и провели испытания для оценки их прочности. «На начальном этапе мы создаем модель конечных элементов — программную среду, позволяющую проводить испытания и анализировать механические характеристики», — пояснил Мохамед Халил Эльхачими, автор исследования.
«На третьем этапе происходит прямое проектирование: модель прогнозирует механическое поведение, опираясь на структуру. Завершающий этап – обратное проектирование, при котором определяются механические свойства, а модель машинного обучения предсказывает структуру, обеспечивающую эти свойства».
Доцент Мир Джалил Разави отметил, что прогресс в области искусственного интеллекта в последние годы существенно облегчил создание карт распространения грибковых нитей. По его словам, подобный обратный дизайн реализуется исключительно с использованием моделей глубокого обучения, например, для вычисления положения, ориентации и расположения 10 000 нитей. «Именно это способен выполнить ИИ, если мы запустим симуляцию для обучения модели», — добавил Разави».
В рамках проекта следующим этапом станет улучшение модели машинного обучения путем проведения экспериментов. Для создания материалов с заданными структурами команда применит технологию 3D-печати и проведёт серию тестов, чтобы подтвердить соответствие их поведения прогнозам. Полученные данные в перспективе позволят оптимизировать различные коммерческие продукты, работающие в условиях повышенных нагрузок, такие как строительные или авиакосмические материалы.
«Природа может многому нас научить, — отметил Разави. — Мы только начинаем подобные исследования».
[Фото: «Фотография «Mushroom» авторства karen_neoh распространяется по лицензии Creative Commons Attribution-ShareAlike 2.0. ]