Группа исследователей в области химической инженерии из США разработала самонаводящуюся лабораторию, которая может определять и оптимизировать сложные многоступенчатые реакционные пути для синтеза новых материалов и молекул. В ходе демонстрации пробного варианта система, управляемая нейронной сетью, обнаружила, как более эффективно производить высококачественные полупроводниковые нанокристаллы, используемые в оптических и фотонных устройствах.
Многостадийный синтез химических веществ — это действительно трудоемкая область исследований. Разработка нового целевого материала или оптимизация синтеза конкретного химического вещества часто занимает несколько лет и привлекает десятки экспертов. Кроме того, по мере увеличения количества этапов реакции и реагентов все чаще приходится сталкиваться с «проклятием размерности», когда время, необходимое для подсчета всех параметров реакции, таких как сочетание и соотношение количеств и концентраций реагентов, время реакции и т. д., увеличивается экспоненциально.
Поэтому использование методов машинного обучения для автоматизации экспериментальных методов в химии и материаловедении и создание «самоуправляемых лабораторий» (СДУ) является логичным направлением исследований. Такие системы, управляемые алгоритмами нейронных сетей, могут исследовать и решать проблемы химии и материаловедения с невероятной скоростью и эффективностью. Нейронные сети используются для точной обработки данных предыдущих экспериментов и выбора наилучших параметров для следующего эксперимента.
Разработанные на сегодняшний день концепции SDL, такие как экспериментальные установки с участием роботов и микрофлюидных реакционных систем, являются узкоспециализированными для решения задач, где ограниченное пространство параметров хорошо изучено. Чтобы SDL получили действительно широкое распространение, необходимо преодолеть два основных препятствия: проклятие размерности и недостаток данных.
Американская исследовательская группа из Университета штата Северная Каролина и Университета Буффало попыталась решить эти проблемы, разработав AlphaFlow — SDL на основе нейронных сетей, способствующих обучению. Кроме того, AlphaFlow включает в себя модульный блок обработки жидкости (высокоэффективный проточный микрофлюидный реактор). Ученые подробно описывают свою систему в статье, опубликованной в журнале Nature Communications.
По словам авторов, AlphaFlow может автономно и самостоятельно исследовать, изучать и оптимизировать многоступенчатые реакции со сложностью пространства параметров более 40 измерений, в отличие от ранее используемых методов химической информатики и ретросинтетического экспериментального дизайна. В синтезе квантовых точек с ядром из селенида кадмия и оболочкой из сульфида кадмия AlphaFlow изучила и оптимизировала последовательность реакции без предварительной подготовки или даже без знания правильного порядка добавления реагентов.
AlphaFlow показала, что может провести больше экспериментов, чем 100 химиков за то же время, используя при этом менее 0,01% химикатов. Он может эффективно масштабировать и ускорять эксперименты для выполнения работы, которую должна делать химическая лаборатория. И все это может быть сделано на платформе размером с чемодан. Это чрезвычайно эффективно", — сказал последний автор статьи, профессор Милад Аболхассани с кафедры химической и биомолекулярной инженерии Университета штата Северная Каролина
.AlphaFlow имеет открытый исходный код, поскольку ученые считают важным делиться высококачественными, воспроизводимыми и стандартизированными экспериментальными данными, как успешными, так и неудачными.
В настоящее время исследователи ищут партнеров как в академических кругах, так и в частном секторе, чтобы использовать AlphaFlow для решения ряда химических проблем.
Источник: naked-science.ru
