Разработана самоуправляемая лаборатория с ИИ, многократно ускоряющая химические исследования

Группа исследователей в#nbsp;области химической инженерии из#nbsp;США разработала самонаводящуюся лабораторию, которая может определять и#nbsp;оптимизировать сложные многоступенчатые реакционные пути для#nbsp;синтеза новых материалов и#nbsp;молекул. В#nbsp;ходе демонстрации пробного варианта система, управляемая нейронной сетью, обнаружила, как более эффективно производить высококачественные полупроводниковые нанокристаллы, используемые в#nbsp;оптических и#nbsp;фотонных устройствах.

Многостадийный синтез химических веществ#nbsp;— это действительно трудоемкая область исследований. Разработка нового целевого материала или оптимизация синтеза конкретного химического вещества часто занимает несколько лет и#nbsp;привлекает десятки экспертов. Кроме того, по#nbsp;мере увеличения количества этапов реакции и#nbsp;реагентов все чаще приходится сталкиваться с#nbsp;«проклятием размерности», когда время, необходимое для#nbsp;подсчета всех параметров реакции, таких как сочетание и#nbsp;соотношение количеств и#nbsp;концентраций реагентов, время реакции и#nbsp;т.#nbsp;д., увеличивается экспоненциально.

Поэтому использование методов машинного обучения для#nbsp;автоматизации экспериментальных методов в#nbsp;химии и#nbsp;материаловедении и#nbsp;создание «самоуправляемых лабораторий» (СДУ) является логичным направлением исследований. Такие системы, управляемые алгоритмами нейронных сетей, могут исследовать и#nbsp;решать проблемы химии и#nbsp;материаловедения с#nbsp;невероятной скоростью и#nbsp;эффективностью. Нейронные сети используются для#nbsp;точной обработки данных предыдущих экспериментов и#nbsp;выбора наилучших параметров для#nbsp;следующего эксперимента.

Разработанные на#nbsp;сегодняшний день концепции SDL, такие как экспериментальные установки с#nbsp;участием роботов и#nbsp;микрофлюидных реакционных систем, являются узкоспециализированными для#nbsp;решения задач, где ограниченное пространство параметров хорошо изучено. Чтобы SDL получили действительно широкое распространение, необходимо преодолеть два основных препятствия: проклятие размерности и#nbsp;недостаток данных.

Американская исследовательская группа из#nbsp;Университета штата Северная Каролина и#nbsp;Университета Буффало попыталась решить эти проблемы, разработав AlphaFlow#nbsp;— SDL на#nbsp;основе нейронных сетей, способствующих обучению. Кроме того, AlphaFlow включает в#nbsp;себя модульный блок обработки жидкости (высокоэффективный проточный микрофлюидный реактор). Ученые подробно описывают свою систему в#nbsp;статье, опубликованной в#nbsp;журнале Nature Communications.

По#nbsp;словам авторов, AlphaFlow может автономно и#nbsp;самостоятельно исследовать, изучать и#nbsp;оптимизировать многоступенчатые реакции со#nbsp;сложностью пространства параметров более 40 измерений, в#nbsp;отличие от#nbsp;ранее используемых методов химической информатики и#nbsp;ретросинтетического экспериментального дизайна. В#nbsp;синтезе квантовых точек с#nbsp;ядром из#nbsp;селенида кадмия и#nbsp;оболочкой из#nbsp;сульфида кадмия AlphaFlow изучила и#nbsp;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#nbsp;то#nbsp;же время, используя при этом менее 0,01% химикатов. Он#nbsp;может эффективно масштабировать и#nbsp;ускорять эксперименты для#nbsp;выполнения работы, которую должна делать химическая лаборатория. И#nbsp;все это может быть сделано на#nbsp;платформе размером с#nbsp;чемодан. Это чрезвычайно эффективно",#nbsp;— сказал последний автор статьи, профессор Милад Аболхассани с#nbsp;кафедры химической и#nbsp;биомолекулярной инженерии Университета штата Северная Каролина

.AlphaFlow имеет открытый исходный код, поскольку ученые считают важным делиться высококачественными, воспроизводимыми и#nbsp;стандартизированными экспериментальными данными, как успешными, так и#nbsp;неудачными.

В#nbsp;настоящее время исследователи ищут партнеров как в#nbsp;академических кругах, так и#nbsp;в#nbsp;частном секторе, чтобы использовать AlphaFlow для#nbsp;решения ряда химических проблем.