ترجمه فارسی مقاله بهینه سازی یادگیری ماشین رفتار غیر کاشا و دینامیک گذرا در مدل ایزومریزاسیون شبکیه

چکیده

Designing a model of retinal isomerization in Rhodopsin, the first step in vision, that accounts for both experimental transient and stationary state observables is challenging. Here, multi-objective Bayesian optimization is employed to refine the parameters of a minimal two-state-two-mode (TM) model describing the photoisomerization of retinal in Rhodopsin. With an appropriate selection of objectives, the optimized retinal model predicts excitation wavelength-dependent fluorescence spectra that closely align with experimentally observed non-Kasha behavior in the non-equilibrium steady state. Further, adjustments to the potential energy surface within the TM model reduce the discrepancies across the time domain. Overall, agreement with experimental data is excellent.

چکیده به فارسی (ترجمه ماشینی)

طراحی یک مدل از ایزومریزاسیون شبکیه در رودوپسین ، اولین قدم در بینش ، که هم مشاهدات حالت گذرا و هم ثابت را به خود اختصاص می دهد ، چالش برانگیز است.در اینجا ، بهینه سازی بیزی چند منظوره برای تصحیح پارامترهای یک مدل حداقل دو حالته دو حالت (TM) که توصیف فوتوزومریزاسیون شبکیه در رودوپسین است ، استفاده می شود.با انتخاب مناسب از اهداف ، مدل شبکیه بهینه شده طیفهای فلورسانس وابسته به موج تحریک را پیش بینی می کند که از نزدیک با رفتار غیر کاشا در حالت پایدار غیر تعادل مطابقت دارد.علاوه بر این ، تنظیمات سطح انرژی بالقوه در مدل TM اختلافات را در حوزه زمانی کاهش می دهد.به طور کلی ، توافق با داده های تجربی بسیار عالی است.