Het hebben van het juiste gereedschap voor de klus maakt het werk een stuk eenvoudiger, goedkoper en sneller. Onderzoekers op het gebied van chemische technologie hebben nu een virtueel laboratorium ontwikkeld dat kan worden gebruikt om de tools voor kunstmatige intelligentie (AI) te bepalen die het meest geschikt zijn voor het aanpakken van verschillende uitdagingen op het gebied van chemische synthese in stroomchemiesystemen.

"Autonome systemen hebben een enorm potentieel voor het versnellen van chemische R&D en productie, maar ze worden nog niet veel gebruikt, " zegt Milad Abolhasani, corresponderende auteur van een paper over het werk en een assistent-professor chemische technologie aan de North Carolina State University. "Deze systemen staan ​​voor twee soorten uitdagingen:het vinden of ontwikkelen van de juiste hardware voor betrouwbare, reproduceerbare geautomatiseerde synthese; en het vinden of ontwikkelen van het juiste 'brein, ' of AI-gestuurd besluitvormingsalgoritme, voor het efficiënt bepalen van de beste manier om het gewenste materiaal te synthetiseren. Mijn team concentreerde zich op de hardware-uitdagingen met ons Artificial Chemist-project. Het werk dat we nu publiceren is gericht op het aanpakken van de uitdagingen op het gebied van autonome besluitvorming."

Abolhasani's werk komt voort uit zijn observatie dat:A) er veel verschillende AI-tools beschikbaar zijn; B) het is niet altijd duidelijk welk gereedschap het beste past bij een bepaald materiaalsyntheseprobleem; en C) welk gereedschap ook is geselecteerd, het zal altijd moeten worden verfijnd op basis van het chemieprobleem.

"Onlangs, er is toegenomen belangstelling voor het gebruik van kant-en-klare AI-programma's voor het modelleren en optimaliseren van chemische reacties, "zegt Abolhasani. "Maar die kant-en-klare AI-technieken zijn niet voor iedereen geschikt - ze zijn niet allemaal even goed in het oplossen van welk materiaalsyntheseprobleem dan ook dat je wilt aanpakken.

"Uiteindelijk, we willen de beste AI-modelarchitectuur vinden voor het bepalen van de beste materiaalformulering die u de doeleigenschappen geeft waarnaar u op zoek bent. Niet alleen het beste materiaal identificeren, maar de beste manier om dat materiaal te produceren zodat het de best mogelijke combinatie van eigenschappen heeft. En de beste AI-modelarchitectuur zal variëren, afhankelijk van het materiaal en de complexiteit van de uitdaging."

Dus Abolhasani en zijn medewerkers kozen voor een AI-gestuurde aanpak om de beste AI-tool te vinden voor elk materiaalsyntheseprobleem.

"Het zou onmogelijk zijn om de miljoenen experimenten uit te voeren die nodig zijn om te bepalen welke AI-tools het beste werken om verschillende soorten materiaalsyntheseproblemen aan te pakken, "zegt Abolhasani. "Dus, we wilden een model dat een realistisch microfluïdisch experimenteel platform simuleert om die miljoenen experimenten effectief voor ons uit te voeren."

De onderzoekers liepen 1, 000 experimenten met behulp van hun geautomatiseerde Artificial Chemist-platform en gebruikten die experimentele datapunten om het virtuele experimentele platform te trainen.

Voor het werk gerapporteerd in de nieuwe krant, het virtuele laboratorium simuleerde meer dan 600, 000 experimenten, beoordeling van meer dan 150 AI-geleide besluitvormingsstrategieën. Als die experimenten in de echte wereld zouden worden uitgevoerd, zelfs met behulp van geautomatiseerde systemen en microschaalvolumes van materiaal, de experimenten zouden 7,5 jaar ononderbroken robotwerking en 400 liter reagentia hebben gekost. Het team van Abolhasani deed het in ongeveer een maand.

"We hebben ons virtuele lab effectief getraind om de beste AI-tools te kiezen voor elke materiaalsynthese-uitdaging, ", zegt Abolhasani. "En die tools worden elke keer dat we ze gebruiken efficiënter, helpt ons bij het oplossen van steeds complexere uitdagingen in de chemie en chemische technologie. uiteindelijk, we denken dat deze AI-gestuurde tools snel genoeg kunnen werken om de operaties in realtime aan te passen als dat nodig is."

De krant, "Versnelde AI-ontwikkeling voor autonome materiaalsynthese in flow, " is gepubliceerd in het tijdschrift Chemische Wetenschappen .