Muster protokoll chemie

30.Überprüfen Sie die Zellen unter dem Mikroskop, um festzustellen, ob ein ausreichend großer Anteil der Zellen an den Mikromustern befestigt ist. Jede Methode hat Nachteile und Vorteile, so dass die gewählte Methode von der Anwendung abhängt. In einem Biologielabor kann die Unabhängigkeit von den Kosten und der Komplexität einer spezialisierten Mikrofabrikationsanlage Priorität haben. Daher sollten Photolithographie und andere Schablonen-Methoden vermieden werden. Obwohl diese Methoden Muster mit sehr guter räumlicher Auflösung bieten und die Methoden sehr vielseitig sind, muss jedes Substrat in einem Reinraum mit hochgiftigen Chemikalien hergestellt werden. Laserstrahl- und Elektronenstrahlätzungen sind recht einfach zu implementieren, sofern eine Mikroskopieanlage mit einem speziellen Mikromikroskop zur Verfügung steht. Obwohl die Methode vielseitig ist (die Größe und Form von Features kann leicht verändert werden, und mehrere Muster verschiedener Proteine erzeugt werden können), ist es eine langsame Methode, die eine geringe Anzahl von Substraten mit nur sehr kleinen Bereichen mit Mikromustern produziert. Dasselbe gilt für den Nanodruck, der vielseitig, aber langsam ist. Der Mikrodruck mit regulären Druckern erfordert sehr langsame Druckraten, um eine zufriedenstellende räumliche Auflösung zu erzielen. In der hier beschriebenen Forschung wird eine automatisierte Plattform mit magnetischen Rührwerken verwendet, um Informationen in das chemische Verarbeitungsmedium einzugeben, während eine Kamera zum Auslesen verwendet wird. Dieser Ausleseschritt wird durch ein künstliches neuronales Netzwerk unterstützt, bei dem ein Teil der Verarbeitung verteilt wird, um die chemischen Zustände zu verflechten. Die Rolle der Elektronik könnte durch die Miniaturisierung der Größe der BZ-Zellen weiter reduziert werden, so dass Zell-Zell-Wechselwirkungen spontan über Reaktionsdiffusions-Wanderwellen anstelle hydrodynamischer Kopplungen mittels Rührwerken auftreten. Die zusätzliche Informationsverarbeitung mit künstlichen neuronalen Netzwerken könnte durch die Weiterentwicklung der experimentellen Architektur (Zell-zu-Zell-Interaktionen) in einem Computer mithilfe von Machine Learning-Algorithmen zur Mustererkennung reduziert werden.

Wir schlagen vor, diese Abhängigkeiten schrittweise zu beseitigen, um von einem hybriden chemischen Computer zu einem vollautonomen Computer überzugehen, bei dem nur die Ein- und Ausgänge elektronisch sind, wodurch das Alles-oder-Nichts vermieden wird, das derzeit das Studium des unkonventionellen Rechnens plagt. Wir glauben, dass die vorgestellte Plattform und experimentelle Arbeit zu einer tragfähigen neuen Perspektive bei der Erforschung verschiedener Rechenparadigmen jenseits der von Neumann-Architektur und siliziumbasierten Berechnung führen könnte. Dies eröffnet nicht nur die Aussicht auf die Entwicklung chemischer Computer, das hier beschriebene System sollte zu neuen Algorithmus-Designs führen, die die Merkmale eines chemischen Computers, der Elektronentransfer verwendet, um über eine Reihe von Längenskalen zu berechnen, auf einzigartige Weise ausnutzen könnten.