Virtuelles Labor findet für jedes Chemieproblem das richtige KI-Tool
"Autonome Systeme haben ein enormes Potenzial, die chemische Forschung und Entwicklung sowie die Produktion zu beschleunigen"
North Carolina State University
"Autonome Systeme haben ein enormes Potenzial für die Beschleunigung der chemischen Forschung und Entwicklung sowie der Produktion, aber sie sind noch nicht weit verbreitet", sagt Milad Abolhasani, korrespondierender Autor eines Papiers über die Arbeit und Assistenzprofessor für Chemieingenieurwesen an der North Carolina State University. "Diese Systeme stehen vor zwei Arten von Herausforderungen: die richtige Hardware für eine zuverlässige, reproduzierbare automatisierte Synthese zu finden oder zu entwickeln; und das richtige 'Gehirn' oder einen KI-gesteuerten Entscheidungsalgorithmus zu finden oder zu entwickeln, um effizient den besten Weg zur Synthese des gewünschten Materials zu bestimmen. Mein Team hat sich mit dem Projekt "Artificial Chemist" auf die Herausforderungen der Hardware konzentriert. Die Arbeit, die wir jetzt veröffentlichen, konzentriert sich auf die Herausforderungen bei der autonomen Entscheidungsfindung."
Abolhasanis Arbeit rührt von seiner Beobachtung her, dass: A) es viele verschiedene KI-Tools gibt; B) es nicht immer klar ist, welches Tool am besten für ein bestimmtes Materialsyntheseproblem geeignet ist; und C) welches Tool auch immer ausgewählt wird, es muss immer auf das chemische Problem abgestimmt werden.
"In letzter Zeit hat das Interesse an der Verwendung von Standard-KI-Programmen für die Modellierung und Optimierung von chemischen Reaktionen zugenommen", sagt Abolhasani. "Aber diese Standard-KI-Techniken sind nicht einheitlich - sie sind nicht alle gleich gut für die Lösung eines beliebigen Materialsyntheseproblems.
"Letztendlich wollen wir die beste KI-Modellarchitektur für die Bestimmung der besten Materialformulierung finden, die Ihnen die gewünschten Zieleigenschaften verleiht. Es geht nicht nur darum, das beste Material zu identifizieren, sondern auch darum, wie man dieses Material am besten herstellt, so dass es die bestmögliche Kombination von Eigenschaften aufweist. Und die beste KI-Modellarchitektur wird je nach Material und Komplexität der Herausforderung variieren."
Daher verfolgten Abolhasani und seine Mitarbeiter einen KI-gesteuerten Ansatz, um das beste KI-Tool für jedes Problem der Materialsynthese zu finden.
"Es wäre unmöglich, die Millionen von Experimenten durchzuführen, die notwendig wären, um zu bestimmen, welche KI-Tools die beste Arbeit für die verschiedenen Arten von Materialsyntheseproblemen leisten", sagt Abolhasani. "Also wollten wir ein Modell, das eine reale mikrofluidische Experimentierplattform simuliert, um diese Millionen von Experimenten effektiv für uns durchzuführen."
Die Forscher führten 1.000 Experimente mit ihrer automatisierten Artificial Chemist-Plattform durch und verwendeten diese experimentellen Datenpunkte, um die virtuelle experimentelle Plattform zu trainieren.
Für die Arbeit, über die in der neuen Veröffentlichung berichtet wird, simulierte das virtuelle Labor mehr als 600.000 Experimente und bewertete mehr als 150 KI-gesteuerte Entscheidungsstrategien. Würden diese Experimente in der realen Welt durchgeführt, selbst unter Verwendung automatisierter Systeme und mikroskaliger Materialmengen, hätten die Experimente 7,5 Jahre kontinuierlichen Roboterbetrieb und 400 Liter Reagenzien benötigt. Abolhasanis Team schaffte es in etwa einem Monat.
"Wir haben unser virtuelles Labor effektiv darauf trainiert, die besten KI-Tools für jede Herausforderung der Materialsynthese auszuwählen", sagt Abolhasani. "Und diese Werkzeuge werden jedes Mal, wenn wir sie verwenden, effizienter und helfen uns, immer komplexere Herausforderungen in der Chemie und im Chemieingenieurwesen zu lösen. Letztendlich denken wir, dass diese KI-gesteuerten Werkzeuge schnell genug arbeiten können, um Operationen bei Bedarf in Echtzeit anzupassen."
Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.