Благодаря модификации удалось достичь почти стопроцентного совпадения теоретических расчетов и экспериментальных данных. Предложенное решение будет полезно при изучении строения молекул пигмент-белковых комплексов — одной из задач фундаментальных исследований процесса фотосинтеза.
Фотосинтез — процесс, в ходе которого растения на свету, используя воду и углекислый газ, синтезируют органические вещества (глюкозу). Важную роль в этом процессе играют пигмент-белковые комплексы, которые называют светособирающими антеннами. Они отвечают за первые этапы фотосинтеза: поглощение квантов света и передачу энергии в реакционные центры фотосинтеза — связанные с белком молекулы хлорофилла, осуществляющие фотохимическую реакцию.
Чтобы понять, как работают пигмент-белковые комплексы, важно знать их строение. Для исследования структуры этих соединений используют спектроскопию — подход, при котором анализируют, как вещество взаимодействует со светом. Для обработки большого объема спектральных данных белковых комплексов, а также теоретического моделирования таких спектров используют различные вычислительные алгоритмы.
Один из них — алгоритм дифференциальной эволюции, который ищет оптимальное решение (в данном случае — спектр какого-либо белкового комплекса) с помощью механизмов, похожих на механизмы естественного отбора в природе. С математической точки зрения алгоритм должен найти глобальный минимум (наименьшее значение) оптимизируемой функции, описывающей совпадение экспериментального и расчетного спектров. Однако помимо глобального минимума существуют и локальные минимумы — точки, в которых значение функции меньше, чем в ближайшей окрестности, но, возможно, больше, чем на всем пространстве поиска. Эти точки могут стать проблемой при решении задачи, поскольку вычислительный алгоритм «застревает» в локальном минимуме, не достигая глобального.
Физики из Института общей физики им. А. М. Прохорова РАН (Москва) оптимизировали алгоритм для моделирования оптических спектров фотосинтетических пигмент-белковых комплексов, «обучив» его обходить локальные минимумы. При попадании в окрестность минимума алгоритм устраивает так называемую встряску параметров: значения оптимизируемых параметров модели изменяются по определенным правилам, после чего алгоритм продолжает поиск глобального минимума в прежнем режиме.
Участники исследовательского коллектива. Источник: Роман Пищальников
Чтобы продемонстрировать эффективность такого подхода, исследователи сравнили, как работают исходный и модифицированный алгоритмы. Для этого модифицированную версию протестировали на классических математических функциях, а также на экспериментальных спектрах пигмент-белковых комплексов. Так, классическая версия алгоритма не позволила получить точные решения для поставленной задачи даже при использовании идеальных спектров в качестве экспериментальных. Теоретические и экспериментальные оптические спектры совпали при использовании классической версии алгоритма лишь в 25–30% случаев. При использовании модифицированной версии программы этот показатель увеличился практически до 100%.
Если вы хотите стать героем публикации и рассказать о своем исследовании, заполните форму на сайте РНФ.«Оптимизация алгоритмов играет ключевую роль в разработке методов машинного обучения и анализе больших данных. Предложенный нами алгоритм улучшит качество распознавания органических пигментов в окружающей среде, что потенциально имеет множество приложений в науке, промышленности и сельском хозяйстве. В дальнейшем мы планируем продолжить разработку программного обеспечения, включающего в себя как оптимизационные методы, так и процедуры моделирования физических процессов и явлений. Оно позволит с высокой точностью анализировать экспериментальные данные»,— рассказывает руководитель проекта, поддержанного грантом РНФ, Роман Пищальников, кандидат физико-математических наук, старший научный сотрудник Центра биофотоники Института общей физики им. А. М. Прохорова РАН.
