در سمینار «شیمی دیجیتال (رقومی) و هوش مصنوعی» مطرح شد؛

ضرورت توسعه پژوهش‌های هوشمند و داده‌محور در علوم شیمی، زیست‌شناسی و پزشکی

ضرورت توسعه پژوهش‌های هوشمند و داده‌محور در علوم شیمی، زیست‌شناسی و پزشکی
شاخه شیمی گروه علوم پایه فرهنگستان علوم در سمینار یک‌روزه «شیمی دیجیتال (رقومی) و هوش مصنوعی»، کاربرد ‏فناوری‌های دیجیتال، یادگیری ماشین و هوش مصنوعی را در تحول علوم شیمی، زیست‌شناسی و پزشکی بررسی کرد. در این ‏سمینار، همچنین بر همکاری مشترک فرهنگستان علوم و دانشکده مهندسی برق و کامپیوتر دانشگاه تهران برای تدوین برنامه ‏و مواد درسی رشته کموترونیک توافق شد‎.‎
به گزارش روابط عمومی و اطلاع‌رسانی فرهنگستان علوم، سمینار یک‌روزه «شیمی دیجیتال (رقومی) و هوش مصنوعی» روز ‏‏۲۱ آبان‌ماه ۱۴۰۵ به همت شاخه شیمی گروه علوم پایه فرهنگستان علوم برگزار شد. این سمینار با هدف بررسی نقش ‏فناوری‌های نوین و هوش مصنوعی در تحول علوم شیمی، زیست‌شناسی و پزشکی برگزار شد و محور اصلی مباحث آن، کاربرد ‏فناوری‌های دیجیتال، یادگیری ماشین و تحلیل داده‌های کلان در افزایش سرعت پژوهش‌ها، بهبود دقت پیش‌بینی‌ها و توسعه ‏روش‌های نوین علمی بود. در این راستا، چهار موضوع تخصصی مورد بررسی قرار گرفت‎.‎

 

چشم‌انداز آزمایشگاه شیمی دیجیتالی؛ هم‌افزایی سرعت، داده و هوش
در نخستین سخنرانی با عنوان «چشم‌انداز آزمایشگاه شیمی دیجیتالی: هم‌افزایی سرعت، داده و هوش»، دکتر علی‌اکبر ‏موسوی‌موحدی، رئیس گروه علوم پایه فرهنگستان علوم، نقش فناوری‌های دیجیتال در تحول آزمایشگاه‌های شیمی را بررسی ‏کرد‎.‎

 

در این بخش، سه محور اصلی تحول آزمایشگاه‌های شیمی شامل خودکارسازی آزمایش‌ها، یکپارچه‌سازی داده‌ها و استفاده از ‏هوش مصنوعی معرفی شد. دستگاه‌های با توان عملیاتی بالا‎ (High-Throughput Devices) ‎با بهره‌گیری از رباتیک و ‏انجام هم‌زمان آزمایش‌ها، سرعت پژوهش را افزایش می‌دهند. همچنین آزمایشگاه‌های یکپارچه با ترکیب داده‌های تجربی و ‏محاسباتی، درک جامع‌تری از پدیده‌های شیمیایی فراهم می‌کنند. هوش مصنوعی نیز با تحلیل داده‌ها و پیش‌بینی نتایج، ‏موجب افزایش دقت و کارایی تحقیقات می‌شود‎.‎

 

استفاده از روش‌های یادگیری ماشین در محاسبات برهم‌کنش لیگاند ـ پروتئین
دکتر محمدحسین کریمی‌جعفری، عضو هیئت علمی مرکز تحقیقات بیوشیمی و بیوفیزیک دانشگاه تهران، در سخنرانی خود ‏با عنوان «استفاده از روش‌های یادگیری ماشین در محاسبات برهم‌کنش لیگاند ـ پروتئین»، به کاربرد یادگیری ماشین در ‏پیش‌بینی قدرت و نحوه اتصال لیگاندها به پروتئین‌ها با هدف بهبود فرایند طراحی و کشف دارو پرداخت‎.‎

 

در این سخنرانی، در کنار روش‌های سنتی داکینگ مولکولی مبتنی بر میدان‌های نیرو، روش‌های جدید یادگیری ماشین با ‏استفاده از داده‌های تجربی و تلفیق داکینگ آنسامبل و یادگیری آنسامبل معرفی شدند که امکان پیش‌بینی دقیق‌تر ‏برهم‌کنش‌های مولکولی را فراهم می‌کنند‎.‎

 

هوش مصنوعی؛ ابزار یا همکار؟
دکتر بابک نجار اعرابی، عضو هیئت علمی دانشکده مهندسی برق و کامپیوتر دانشگاه تهران و همکار مدعو فرهنگستان علوم، ‏در سخنرانی با عنوان «هوش مصنوعی؛ ابزار یا همکار؟»، جایگاه هوش مصنوعی به‌عنوان فناوری تحول‌آفرین و تأثیر آن بر ‏زندگی و فعالیت‌های علمی را بررسی کرد‎.‎

 

هوش مصنوعی با افزایش سرعت پردازش اطلاعات و کمک به حل مسائل پیچیده، می‌تواند از یک ابزار ساده به همکار انسان ‏در تصمیم‌گیری تبدیل شود. با این حال، چالش‌هایی مانند خطای الگوریتمی، سوگیری، مسائل اخلاقی و وابستگی بیش از ‏حد به فناوری نیز در این بخش مطرح شد. در نهایت، بر ضرورت همکاری هوشمندانه انسان و ماشین همراه با حفظ نظارت و ‏مسئولیت‌پذیری انسانی تأکید شد‎.‎

 

تلاقی فناوری توالی‌یابی ژنومی نسل جدید با هوش مصنوعی؛ پارادایمی نوین در حکمرانی سلامت ملی، امنیت زیستی و ‏اقتصاد دانش
در چهارمین سخنرانی، دکتر روح‌الله موسوی‌بایگی، پژوهشگر و متخصص ژنتیک رایانشی سرطان و بیوانفورماتیک در دانشگاه ‏ایالتی کالیفرنیا، سانفرانسیسکو، به‌صورت حضوری درباره کاربرد فناوری توالی‌یابی نسل جدید‎ (NGS) ‎و هوش مصنوعی در ‏توسعه علوم زیستی و ارتقای سلامت سخن گفت‎.‎

 

در این بخش، کاربردهای این فناوری در پزشکی دقیق، تشخیص بیماری‌های ژنتیکی، درمان‌های شخصی‌سازی‌شده، پایش ‏بیماری‌های عفونی و امنیت غذایی تشریح شد. ترکیب فناوری‎ NGS ‎با الگوریتم‌های یادگیری ماشین و یادگیری عمیق، امکان ‏تحلیل داده‌های ژنتیکی، تشخیص زودهنگام بیماری‌ها و پیش‌بینی پاسخ به درمان را فراهم می‌کند. همچنین بر اهمیت ‏حاکمیت داده‌های ژنومیک، امنیت زیستی و تقویت اقتصاد دانش‌بنیان تأکید شد‎.‎

 

جمع‌بندی و نتایج سمینار
مجموع مباحث مطرح‌شده در این سمینار نشان داد که هوش مصنوعی و فناوری‌های داده‌محور در حال ایجاد تحولی بنیادین ‏در علوم شیمی، زیست‌شناسی و پزشکی هستند. خودکارسازی آزمایش‌ها و استفاده از دستگاه‌های با توان عملیاتی بالا، سرعت ‏تولید داده‌های علمی را افزایش داده است؛ در حالی که یکپارچه‌سازی داده‌ها و بهره‌گیری از روش‌های یادگیری ماشین، امکان ‏تحلیل عمیق‌تر و استخراج دانش جدید را فراهم می‌کند‎.‎

 

همچنین کاربرد هوش مصنوعی در پیش‌بینی برهم‌کنش‌های مولکولی، طراحی دارو، تحلیل داده‌های ژنومی و توسعه پزشکی ‏دقیق، نشان‌دهنده ظرفیت بالای این فناوری در حل مسائل پیچیده علمی و بهبود کیفیت زندگی انسان است. از سوی دیگر، ‏مباحث مربوط به تبدیل هوش مصنوعی از ابزار به همکار، ضرورت توجه به ابعاد اخلاقی، اجتماعی و مدیریتی این تحول را ‏یادآور شد‎.‎

 

استفاده مسئولانه از فناوری‌های هوشمند، مستلزم حفظ نظارت انسانی، اعتبارسنجی علمی نتایج و توجه به امنیت و مالکیت ‏داده‌هاست. در نهایت، آینده پژوهش و توسعه علمی در گرو هم‌افزایی دانش تخصصی، فناوری‌های دیجیتال، داده‌های کلان و ‏هوش مصنوعی خواهد بود. سرمایه‌گذاری هدفمند در این حوزه‌ها، توسعه زیرساخت‌های پژوهشی و محاسباتی، تربیت نیروی ‏انسانی متخصص و تقویت همکاری‌های بین‌رشته‌ای می‌تواند زمینه‌ساز پیشرفت علمی، ارتقای نظام سلامت، افزایش توان ‏رقابتی و توسعه اقتصاد دانش‌بنیان کشور باشد‎.‎

 

تدوین برنامه و مواد درسی رشته کموترونیک
در حاشیه این سمینار مقرر شد با همکاری مشترک شاخه شیمی فرهنگستان علوم و دانشکده مهندسی برق و کامپیوتر ‏دانشگاه تهران، برنامه و مواد درسی رشته کموترونیک‎ (Chemotronics) ‎تهیه و تدوین شود. کموترونیک به دانش ‏به‌کارگیری فناوری‌های الکترونیکی، محاسباتی و هوشمند برای تحلیل، کنترل و توسعه سیستم‌ها و فرایندهای شیمیایی گفته ‏می‌شود‎.‎

 

این سمینار فرصتی ارزشمند برای آشنایی با افق‌های نوین علم و فناوری و تأکیدی بر ضرورت حرکت به سوی پژوهش‌های ‏هوشمند، یکپارچه و مبتنی بر داده بود و با استقبال چشمگیر شرکت‌کنندگان برگزار شد. ‏
دوشنبه ۲۵ آبان ۱۴۰۵
09:06
آلبوم مرتبط
Loading
تعداد کاراکتر باقیمانده: 500
نظر خود را وارد کنید