Создана самоуправляемая лаборатория нового поколения, которая в реальном времени проводит эксперименты, непрерывно собирает данные и позволяет ускорить открытие новых материалов как минимум в 10 раз. Технология снижает затраты, сокращает использование реагентов и уменьшает объём отходов. Результаты опубликованы в журнале Nature Chemical Engineering.
Исследователи разработали новый метод, который обеспечивает самоуправляемым лабораториям возможность собирать в 10 раз больше данных по сравнению с существующими системами. Достижение значительно ускоряет исследования по открытию и разработке новых материалов, одновременно снижая стоимость экспериментов и уменьшая их экологическое воздействие.
Самоуправляемые лаборатории представляют собой роботизированные платформы, где сочетаются машинное обучение, автоматизация и химия материалов. Такая система анализирует данные каждого эксперимента и прогнозирует, какой эксперимент следует провести следующим, чтобы достичь поставленной цели. Машинный алгоритм принимает решения, опираясь на поток данных, поступающих в режиме реального времени.
Милэд Аболхасани, профессор кафедры химической и биомолекулярной инженерии Университета Северной Каролины и ведущий автор исследования, отметил, что технология позволяет значительно сократить сроки создания перспективных материалов для чистой энергетики, новой электроники или устойчивых химических процессов. При этом требуется гораздо меньше исходных веществ, а количество отходов минимизируется.
До настоящего времени самоуправляемые лаборатории, использующие проточные реакторы, применяли стационарные проточные эксперименты. В таком подходе различные прекурсоры смешиваются в микроканале, где происходит химическая реакция, и после установления стационарного состояния полученный продукт анализируется набором сенсоров. Эта методика позволила сократить сроки поиска материалов с нескольких лет до нескольких недель или месяцев, снизить расходы и уменьшить экологический след. Однако оставались ограничения: система ожидала завершения реакции перед проведением анализа, а один эксперимент мог занимать до часа.
Новый подход основан на динамических проточных экспериментах. Химические смеси в лаборатории постоянно изменяются, а процесс реакций контролируется в реальном времени. В отличие от метода, где каждое испытание проводится по отдельности, новый режим позволяет системе непрерывно работать без остановок. Проба движется по системе постоянно, и сенсоры непрерывно фиксируют изменения, формируя данные каждые полсекунды.
Таким образом, вместо одного измерения после, например, десяти секунд реакции, система формирует двадцать точек данных — на 0,5 секунды, 1 секунду и так далее. Это можно сравнить с переходом от разовой фотографии к полноценному фильму, где фиксируется весь процесс реакции. В результате лаборатория не простаивает в ожидании завершения каждого эксперимента, а функционирует непрерывно, постоянно обучаясь.
Такое количество данных значительно улучшает работу алгоритмов машинного обучения, которые управляют самоуправляемой лабораторией. Чем больше поступает качественных экспериментальных данных, тем точнее прогнозы алгоритма и быстрее он находит оптимальные материалы и процессы. Это также позволяет сократить расход реагентов, так как требуется меньше экспериментов для достижения цели.
Эксперименты показали, что лаборатория с динамическим проточным режимом собирает как минимум в 10 раз больше данных, чем системы со стационарным протоком за тот же промежуток времени. Кроме того, она способна определять лучшие кандидаты среди материалов с первой попытки после обучения алгоритма.
Достижение важно не только с точки зрения скорости. Сокращая количество экспериментов, система уменьшает расход химических веществ и объём отходов, что делает исследования более устойчивыми с экологической точки зрения. По словам Аболхасани, будущее разработки новых материалов определяется не только тем, насколько быстро это можно сделать, но и тем, насколько ответственно используются ресурсы.
Статья под названием Flow-Driven Data Intensification to Accelerate Autonomous Materials Discovery будет опубликована 14 июля в журнале Nature Chemical Engineering. Соавторами стали Фернандо Дельгадо-Ликона, аспирант Университета Северной Каролины; Абдурахман Альсаиари, магистрант того же университета; Ханна Дикерсон, бывшая студентка бакалавриата. Также в исследовании участвовали Филип Клем, Аруп Горхай, Ричард Канти, Джеффри Беннетт, Прагян Джа, Николай Мухин, Джунбин Ли, Сина Садеги, Фазел Батени и Энрике Лопес-Гуахардо из Технологического института Монтеррея.
Работа выполнена при поддержке Национального научного фонда США по грантам 1940959, 2315996 и 2420490, а также программы University of North Carolina Research Opportunities Initiative.