Funktionieren KI-gesteuerte Chemielabore tatsächlich?
Neue Metriken versprechen Antworten
In den Bereichen Chemie und Materialwissenschaft wächst das Interesse an “selbstgesteuerten" Laboren, die künstliche Intelligenz (KI) und automatisierte Systeme nutzen, um Forschung und Entdeckung zu beschleunigen. Forscher schlagen nun eine Reihe von Definitionen und Leistungskennzahlen vor, die es Forschern, Laien und künftigen Nutzern ermöglichen sollen, besser zu verstehen, was diese neuen Technologien leisten und wie sie im Vergleich zu anderen autonomen Labors abschneiden.
Autonome Labore versprechen ein enormes Potenzial zur Beschleunigung der Entdeckung neuer Moleküle, Werkstoffe und Herstellungsverfahren, wobei die Anwendungen von elektronischen Geräten bis hin zu Arzneimitteln reichen. Die Technologien sind zwar noch recht neu, aber es hat sich gezeigt, dass einige von ihnen die Zeit, die für die Identifizierung neuer Materialien benötigt wird, von Monaten oder Jahren auf Tage reduzieren können.
"Autonome Labore genießen derzeit große Aufmerksamkeit, aber es gibt noch viele offene Fragen in Bezug auf diese Technologien", sagt Milad Abolhasani, korrespondierender Autor eines Papiers über die neuen Metriken und außerordentlicher Professor für Chemie- und Biomolekulartechnik an der North Carolina State University. "Diese Technologie wird als 'autonom' bezeichnet, aber verschiedene Forschungsteams definieren 'autonom' unterschiedlich. Umgekehrt berichten die verschiedenen Forschungsteams über unterschiedliche Elemente ihrer Arbeit auf unterschiedliche Weise. Das macht es schwierig, diese Technologien miteinander zu vergleichen, und Vergleiche sind wichtig, wenn wir voneinander lernen und das Feld vorantreiben wollen.
"Was macht Self-Driving Lab A wirklich gut? Wie können wir das nutzen, um die Leistung von Self-Driving Lab B zu verbessern? Wir schlagen eine Reihe gemeinsamer Definitionen und Leistungskennzahlen vor, von denen wir hoffen, dass sie von allen, die in diesem Bereich arbeiten, übernommen werden. Das Ziel ist, dass wir alle voneinander lernen und diese leistungsstarken Technologien zur Beschleunigung der Forschung vorantreiben können.
"Wir sehen zum Beispiel in den "self-driving" Laboren einige Herausforderungen in Bezug auf die Leistung, Präzision und Robustheit einiger autonomer Systeme", sagt Abolhasani. "Das wirft die Frage auf, wie nützlich diese Technologien sein können. Wenn wir über standardisierte Metriken und Ergebnisberichte verfügen, können wir diese Herausforderungen erkennen und besser verstehen, wie wir sie angehen können."
Kernstück des neuen Vorschlags ist eine klare Definition von autonomen Laboren und sieben vorgeschlagene Leistungskennzahlen, die Forscher in alle veröffentlichten Arbeiten über ihre Labore aufnehmen würden.
- Grad der Autonomie: Wie viel Führung braucht ein System vom Benutzer?
- Betriebsdauer: Wie lange kann das System ohne Eingreifen des Benutzers arbeiten?
- Durchsatz: Wie lange braucht das System, um ein einzelnes Experiment durchzuführen?
- Experimentelle Präzision: Wie reproduzierbar sind die Ergebnisse des Systems?
- Materialverbrauch: Wie hoch ist die Gesamtmenge der Materialien, die das System für jedes Experiment benötigt?
- Zugänglicher Parameterraum: Inwieweit kann das System alle Variablen in jedem Experiment berücksichtigen?
- Optimierungseffizienz.
"Die Optimierungseffizienz ist eine der wichtigsten dieser Kennzahlen, aber auch eine der komplexesten - sie lässt sich nicht so einfach definieren", sagt Abolhasani. "Im Wesentlichen wollen wir, dass die Forscher die Leistung ihres selbstfahrenden Labors und seines Algorithmus für die Versuchsauswahl quantitativ analysieren, indem sie ihn mit einer Basislinie vergleichen - zum Beispiel mit einer Zufallsauswahl.
"Letztendlich glauben wir, dass ein standardisierter Ansatz für die Berichterstattung über "self-driving" Labore dazu beitragen wird, dass dieser Bereich vertrauenswürdige, reproduzierbare Ergebnisse hervorbringt, die das Beste aus den KI-Programmen machen, die die großen, hochwertigen Datensätze nutzen, die von autonomen Laboren produziert werden", sagt Abolhasani.
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.
Originalveröffentlichung
Weitere News aus dem Ressort Wissenschaft
Holen Sie sich die Chemie-Branche in Ihren Posteingang
Ab sofort nichts mehr verpassen: Unser Newsletter für die chemische Industrie, Analytik, Labor und Prozess bringt Sie jeden Dienstag und Donnerstag auf den neuesten Stand. Aktuelle Branchen-News, Produkt-Highlights und Innovationen - kompakt und verständlich in Ihrem Posteingang. Von uns recherchiert, damit Sie es nicht tun müssen.
