Physics-Informed机器学习:基于云计算的深度学习和声学器官细胞生长模式研究
塞缪尔·j·雷蒙德,麻省理工学院
生长器官组织细胞在实验室,研究人员需要一个非侵入性的方式来控制细胞。一个很有前景的方法是声学模式,其中包括利用声能位置和保持细胞所需的模式发展到组织中。通过应用声波微流体装置,研究人员驱动微米尺寸细胞转化为简单的模式,如线和网格。
我和我的同事们已经开发出一种深度学习和数值模拟相结合的方法,使我们能够安排细胞成更复杂的模式的设计。我们保存数周的努力,在MATLAB进行整个工作流程®等关键步骤和使用并行计算加速从我们的模拟器生成的训练数据集和训练深度学习神经网络。
声学模式与巩膜
在微流体设备、流体和fluid-borne颗粒或细胞操纵submillimeter-sized式微通道,可以制成不同的形状。创建声学模式在这些式微通道,声表面波(看到)是使用一个生成叉指式换能器(IDT)和指向一个通道壁(图1)。在通道内的流体,声波产生压力的最小值和最大值与通道壁(图1 b)。因此通道墙壁的形状可以被配置为产生通道中的特定声学领域1(图1 c)。声学领域安排粒子在流体进入模式对应的地点从这些声波的力量最小化(图1 d)。
虽然可以计算结果从一个特定的频道的声场形状,相反的是不可能的:设计一个通道形状产生所需的字段是一个重要的任务除了简单的呈网格状分布。因为解决方案空间实际上是无限的,分析方法不可行。
这个新的工作流使用大量仿真结果(随机形状)和深度学习来克服这个限制。我和我的同事首先解决了提出问题,从已知形状在MATLAB模拟压力场。然后我们用神经网络训练结果深解决逆问题:识别所需的微孔道形状上,从而产生期望的声场模式。
解决提出问题:模拟领域的压力
在前期的工作中,我们的团队在MATLAB开发了一个模拟引擎,解决了压力场给定一个特定的通道几何用惠更斯-菲涅耳原理,认为任何时候在平面波是球面波的点源(图2)。
模拟引擎依赖于各种矩阵运算。因为在MATLAB执行这些操作,每个模拟只需要几分之一秒,和我们需要模拟成千上万的独特的形状和相应的二维领域的压力。我们加速这个过程通过运行在多核并行仿真工作站与并行计算工具箱™。
一旦我们有了我们需要的数据,它被用来训练深入学习网络推断一个通道形状从一个给定的压力场,从本质上扭转的顺序输入和输出。
训练网络的逆问题
首先,阈值进行模拟压力字段值,以帮助加快培训过程。这导致创建151 x 151 0和1的二维矩阵,我们简化成一个一维向量,将深入学习网络的输入。输出神经元的数量降到最低,我们使用傅里叶系数表示,捕获通道形状轮廓(图3)。
我们建立了最初的网络使用深层网络设计师应用平衡精度和精炼它以编程方式,多功能性和训练速度(图4)。我们使用一种自适应训练网络时刻估计NVIDIA(亚当)解算器®泰坦RTX GPU。
验证结果
验证训练网络,我们用它来推断一个通道几何从给定的压力场和几何作为输入到仿真引擎用于重建领域的压力。然后,我们比较了原始字段和生成的压力。压力的最小值和最大值在两个字段匹配彼此密切(图5)。
接下来,我们进行了实际测试。表明我们希望粒子聚合的地区,我们画与微软定制的图像®油漆。这些产品包括各种不同的单一和多行图像,没有我们的技术难以生产。经过训练的网络被用来推断出所需的通道几何图形产生这些定义的区域。最后,我们的合作伙伴的帮助下,我们制作的微流体设备的基础上,推断出几何图形。这些设备被注入看病μm聚苯乙烯粒子悬浮在液体进入的渠道,和看到的是应用于设备。结果表明粒子聚集的区域,表明在我们的定制的图像(图6)。
过渡到云
我们看这个项目的下一阶段,我们正在更新我们的深度学习网络使用声学领域的图像作为输入,并生成图像的通道形状作为输出,而不是使用一个扁平的向量和傅里叶系数,分别。希望这种变化将使我们能够使用通道的形状不容易定义的傅里叶级数可以随时间。然而,它需要一个更大的数据集进行训练,更复杂的网络体系结构,和更多的计算资源。因此,我们过渡网络及其训练数据到云上。
幸运的是,MathWorks云中心提供了一个方便的平台快速自旋向上和关闭高性能云计算资源的实例。更让人讨厌的方面进行科学研究在云实例的交互,包括移动我们的算法和云之间的数据和本地机器上。MATLAB并行服务器™抽象方面的云计算越复杂,使我们在云中运行在本地或通过几个简单菜单点击。这种易用性让我们关注的科学问题,而不是解决所需的工具。
使用MATLAB和NVIDIA GPU-enabled Amazon Web服务实例,我们计划培训更新网络与数据存储在亚马逊®S3™桶。我们可以使用经过训练的网络在本地工作站进行推断(不需要高性能计算)和尝试不同的声场模式。这项工作将给我们一个基线为其他physics-informed机器学习项目。
确认
作者要感谢大卫·j·柯林斯的贡献Richard O 'Rorke Mahnoush Tayebi,你们Ai,约翰·威廉姆斯这个项目。
1柯林斯,d J。'Rorke阿,R。Devendran C。,妈,Z。,汉族,J。,a & Ai Neild y”自对准Acoustofluidic粒子聚焦和模式从基于通道微流控通道声波导。”理论物理。(1。120、074502 (2018)。
2020年出版的