Het 'brein' van RoboChem

De expertise van de Noël-groep ligt op het gebied van 'stroomchemie', een nieuwe manier om scheikunde uit te voeren waarbij een systeem van kleine, flexibele buisjes bekers, kolven en andere traditionele scheikundige hulpmiddelen vervangt.

In RoboChem verzamelt een robotnaald zorgvuldig de uitgangsmaterialen en mengt deze in kleine volumes van iets meer dan een halve milliliter. Deze stromen vervolgens door het buizensysteem richting de reactor. Daar activeert het licht van krachtige LED's de moleculaire conversie door een fotokatalysator in het reactiemengsel te activeren.

De stroom gaat vervolgens verder naar een geautomatiseerde NMR-spectrometer die de getransformeerde moleculen identificeert. Deze gegevens worden in realtime teruggekoppeld naar de computer die RoboChem aanstuurt.

“Dit is het brein achter RoboChem”, zegt Noël. "Het verwerkt de informatie met behulp van kunstmatige intelligentie. We gebruiken een machine learning-algoritme dat autonoom bepaalt welke reacties moeten worden uitgevoerd. Het streeft altijd naar het optimale resultaat en verfijnt voortdurend zijn begrip van de chemie."

Indrukwekkende vindingrijkheid

De groep heeft veel moeite gestoken in het onderbouwen van de resultaten van RoboChem. Alle moleculen die nu in het Science-artikel zijn opgenomen, werden handmatig geïsoleerd en gecontroleerd. Noël zegt dat het systeem indruk op hem heeft gemaakt met zijn vindingrijkheid.

"Ik werk nu al meer dan tien jaar aan fotokatalyse. Toch heeft RoboChem resultaten laten zien die ik niet had kunnen voorspellen. Het heeft bijvoorbeeld reacties geïdentificeerd die maar heel weinig licht nodig hebben. Soms moest ik krabben Mijn hoofd om te doorgronden wat het had gedaan. Je vraagt ​​je dan af:zouden we het op dezelfde manier hebben gedaan. Achteraf gezien zie je de logica van RoboChem. Maar ik betwijfel of we zelf dezelfde resultaten hadden bereikt. Of in ieder geval niet zo snel ."

De onderzoekers gebruikten RoboChem ook om eerder onderzoek te repliceren dat in vier willekeurig geselecteerde artikelen was gepubliceerd. Vervolgens bepaalden ze of Robochem dezelfde (of betere) resultaten opleverde.

"In ongeveer 80% van de gevallen leverde het systeem betere opbrengsten op. Voor de overige 20% waren de resultaten vergelijkbaar", zegt Noël. "Dit laat er voor mij geen twijfel over bestaan ​​dat een AI-ondersteunde aanpak gunstig zal zijn voor chemische ontdekkingen in de breedst mogelijke zin."

Doorbraken in de chemie met behulp van AI

Volgens Noël ligt de relevantie van RoboChem en andere ‘gecomputeriseerde’ chemie ook in het genereren van hoogwaardige data, wat het toekomstige gebruik van AI ten goede zal komen.

"Bij traditionele chemische ontdekkingen worden slechts enkele moleculen grondig onderzocht. De resultaten worden vervolgens geëxtrapoleerd naar schijnbaar vergelijkbare moleculen. RoboChem produceert een complete en uitgebreide dataset waarin voor elk afzonderlijk molecuul alle relevante parameters worden verkregen. Dat levert veel meer inzicht op."

Een ander kenmerk is dat het systeem ook ‘negatieve’ gegevens registreert. In de huidige wetenschappelijke praktijk weerspiegelen de meeste gepubliceerde gegevens alleen succesvolle experimenten. “Een mislukt experiment levert ook relevante data op”, zegt Noël.

“Maar dit is alleen te vinden in de handgeschreven labnotities van de onderzoekers. Deze zijn niet gepubliceerd en dus niet beschikbaar voor door AI aangedreven chemie. RoboChem zal daar ook verandering in brengen. Ik twijfel er niet aan dat als je met AI doorbraken in de chemie wilt bewerkstelligen , heb je dit soort robots nodig."

Meer informatie: Aidan Slattery et al, Geautomatiseerde zelfoptimalisatie, intensivering en opschaling van fotokatalyse in flow, Wetenschap (2024). DOI:10.1126/science.adj1817. www.science.org/doi/10.1126/science.adj1817

Journaalinformatie: Wetenschap

Aangeboden door Universiteit van Amsterdam